交叉验证和数据集分割

在实际的机器学习操作中，经常使用交叉验证操作，即将数据集分为训练集与测试集，再将训练集进行分割，例如，分割为三份，其中一与二建模，用三来验证效果。一三建模用二来验证效果。二三建模用一来验证效果。就这样，可以减少离群点产生的影响，时间里的模型更为有效。
而Python有专门的函数进行分割。

from sklearn.cross_validation import train_test_split

引入包中的train_test_split函数。

X_train, X_test, y_train, y_test = train_test_split(X,y,test_size = 0.3, random_state = 0)

共有四个返回值X_train；X_test；y_train；y_test。其中X，y为需要分割的变量，test_size = 0.3表示分割的比例，random_state=0 表示每次随机的结果都是一样的。