sklearn.model_selection.train_test_split()
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=
train_test_split(train_data,train_lable,test_size=0.3,random_state=o,stratify=train_lable)
注意:stratify一般用于非平衡数据按train_lable的比例分层,多用于分类
- train_data:样本特征集
- train_target:样本的标签集
- test_size:样本占比,测试集占数据集的比重,如果是整数的话就是样本的数量
- random_state:是随机数的种子。在同一份数据集上,相同的种子产生相同的结果,不同的种子产生不同的划分结果
- x_train,y_train:构成了训练集
- x_test,y_test:构成了测试集
stratify参数详解
stratify是为了保持split前类的分布。比如有100个数据,80个属于A类,20个属于B类。如果train_test_split(… test_size=0.25, stratify = y_all), 那么split之后数据如下:
training: 75个数据,其中60个属于A类,15个属于B类。
testing: 25个数据,其中20个属于A类,5个属于B类。
用了stratify参数,training集和testing集的类的比例是 A:B= 4:1,等同于split前的比例(80:20)。通常在这种类分布不平衡的情况下会用到stratify。
将stratify=X_data(数据)就是按照X中的比例分配
将stratify=Y_data(标签)就是按照y中的比例分配