model_selection.train_test_split笔记

1. 简介

1.1数据集

以鸢尾花数据集为例

该数据集共150个样本，三种类别鸢尾花，每种50个样本，4个属性（花萼长度，花萼宽度，花瓣长度，花瓣宽度）

1.2 model_selection.train_test_split

train_test_split(*arrays,test_size=None,train_size=None,random_state=None,shuffle=True,stratify=None)

*arrays：数据（由4个属性构成）

test_size：测试集占比（浮点数0~1），也可以是个数（int）

random_state:随机种子，设置后每次可得到相同的分割结果

stratify：根据类别标签分层分割数据

2. 函数的使用

from sklearn import model_selection, datasets
data, labels = datasets.load_iris(return_X_y=True)
x_train,x_test,y_train,y_test= model_selection.train_test_split(data,labels, test_size=0.4,random_state=1234,stratify=labels)
print(y_test)

[1 2 1 2 0 2 0 0 2 2 0 1 1 1 0 2 2 0 0 2 1 0 1 0 1 1 1 1 2 1 1 2 2 0 2 1 2
 0 1 0 2 2 0 0 1 0 2 0 2 0 2 2 1 0 1 2 0 1 1 0]

以3：2的比例分割数据集，训练集90个样本，测试集60个样本，设置stratify后测试集内每个类别分别有20个样本；反之，则每个类别不是按比例分割。