sklearn实现数据集划分

1.留出法可用sklearn包ShuffleSplit和train_test_split实现

2.ShuffleSplit可以实现多次随机划分，train_test_split只能实现一次

3.random_state相同时，ShuffleSplit的首次切分结果与train_test_split完全一致

4.交叉验证法可用KFold、StratifiedKFold实现，逻辑一致，后者针对分类问题实现分层抽样

5.sklearn建模与调参的包cross_validate与GridSearchCV的数据集划分逻辑一致

6.如果是分类问题，cross_validate采取StratifiedKFold划分方法，其他都是采取KFold方法

小编在文章 机器学习之模型评估 介绍了数据集划分的方法，本文从就专门针对数据集划分的sklearn实现做一个详细介绍。

注：sklearn的函数包实在太多，有纰漏的地方还望指正

1.留出法

sklearn实现留出法的主要有两个包：ShuffleSplit和train_test_split。先给结论：

1.train_test_split实行单次数据集划分，通过参数random_state选定种子数

2.对于分类问题，train_test_split通过stratify参数实现分层抽样.

2.ShuffleSplit实行多次随机切分，默认10次，如果random_state参数与train_test_split相同，则第一次的切分方式与train_test_split完全一致

3.ShuffleSplit每一次的测试集训练集样本选取都是随机的

train_test_split是用得最多的数据集划分包，它的参数有五个：

• *arrays：要切分的数据集，通过传入两个，X数据集和目标y

• test_size：测试集样本大小

• random_state：随机种子数

• shuffle：是否要对数据集随机打乱

• stratify：可以理解为分层抽样的设置值，通过针对分类问题的目标y</