这个方法是对数据进行分开,一共四个返回值,分别是训练集的样本,训练集的目标值,测试集的样本,测试集的目标值,顺序就是这样子的。
train_test_split中传入的参数为:数据集,目标集,测试集的大小其中测试集的大小是一个float类型。
下面用一个源码中的小例子看一下:
>>> import numpy as np
>>> from sklearn.model_selection import train_test_split
>>> X, y = np.arange(10).reshape((5, 2)), range(5)
>>> X
array([[0, 1],
[2, 3],
[4, 5],
[6, 7],
[8, 9]])
>>> list(y)
[0, 1, 2, 3, 4]
>>> X_train, X_test, y_train, y_test = train_test_split(
... X, y, test_size=0.33, random_state=42)
...
>>> X_train
array([[4, 5],
[0, 1],
[6, 7]])
>>> y_train
[2, 0, 3]
>>> X_test
array([[2, 3],
[8, 9]])
>>> y_test
[1, 4]
>>> train_test_split(y, shuffle=False)
[[0, 1, 2], [3, 4]]
其中random_state表示随机数种子,如果设置两次一样的随机数种子,就能获得完全一样的数据集分开后的结果。
另外,源码的小例子最后的测试只传入了一个数据集:
train_test_split(y, shuffle=False)
shuffle:是对数据进行随机排序,默认是True。
只传入一个一维数据集时,数组长度小于5时会输出最后一个为目标集,否则为最后两个。
x, y = np.arange(10).reshape((5, 2)), range(8)
print(x)
y = list(y)
print(y)
print(train_test_split(y, shuffle=False))
输出结果:
[[0 1]
[2 3]
[4 5]
[6 7]
[8 9]]
[0, 1, 2, 3, 4, 5, 6, 7]
[[0, 1, 2, 3, 4, 5], [6, 7]]
长度小于5:
y = range(4)
y = list(y)
print(train_test_split(y, shuffle=False))
结果:
[0, 1, 2, 3]
[[0, 1, 2], [3]]
暂存,不对的再改正。