1.数据的拆分&获取
1.1数据集划分
- 前提:机器学习就是从数据中自动分析获得规律,并利用规律对未知数据进行预测。换句话说,我们的模型一定要经过样本数据对其进行训练,才可以对未知数据进行预测的。
- 问题:我们得到数据之后,能否将数据全部用来训练模型?
- 当然不是!因为我们如果模型都是从数据中得来的,那么该模型的性能评估如何进行呢?还是基于原先的数据进行评测么?可想而知,如果模型对原先的数据进行预测,由于模型本来就是从该数据中获取的,所以预测结果几乎会是百分之百。所以想要评估模型的好坏,需要使用一组新数据对模型进行评估。
- 因此我们需要将原先的样本数据拆成两部分:
- 训练集:训练模型
- 测试集:评估模型
- 不同类型的模型对应的评估方式时不一样的
- 数据集划分的API
- from sklearn.model_selection import train_test_split
- train_test_split(x,y,test,random_state)参数介绍:
- x:特征
- y:目标
- test_size:测试集的比例
- random_state:打乱的随机种子
- 返回值:训练特征、测试特征、训练目标、测试目标
1.2数据集获取
- sklearn.datasets.load