[Python+sklearn] 拆分数据集为训练和测试子集 sklearn.model_selection.train_test_split()

Python - sklearn 拆分数据集为训练和测试子集 sklearn.model_selection.train_test_split()

功能：

将数组或矩阵拆分为随机的训练子集和测试子集 。

输入和输出：

输入：

• arrays : 具有相同长度的可索引序列，x-y的映射（sequence of indexables with same length / shape[0]）。

• test_size (optional ) : float, int or None, (default=None)

  • 如果为float，则应介于0.0和1.0之间，并表示要包含在测试拆分中的数据集的比例。
  • 如果是int，则表示测试样本的绝对数量。
  • 如果为None，则将该值设置为train_size 的补码。如果train_size也是None，则将其设置为0.25。

• train_size : float, int, or None, (default=None)

  • 如果为float，则应介于0.0和1.0之间，并表示要包含在列车拆分中的数据集的比例。
  • 如果是int，则表示测试集大小的绝对数量。
  • 如果为None，则该值自动设置为test_size 的补码。

• random_state (optional) : int, RandomState instance or None, (default=None)

  • 如果是int，则random_state是随机数生成器使用的种子。
  • 如果是RandomState instance，则random_state是随机数生成器。
  • 如果为None，则随机数生成器是由其使用的RandomState实例np.random。

• shuffle (optional) ： bool类型，（default = True）

  是否在拆分之前对数据打乱。如果shuffle = False，则stratify必须为None。

• stratify : array-like or None (default=None)

  如果不是None，则数据以分层方式拆分，使用此作为类标签。

输出：

• splitting : list类型, length=2 * len(arrays)

  包含划分好的训练子集和测试子集的列表。

示例：

初始化输入：

>>> 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]

划分训练集和测试集 (shuffle = default = True )：

>>> 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]

shuffle=False的划分方式

>>> train_test_split(y, shuffle=False)
[[0, 1, 2], [3, 4]]