深度学习之数据划分

使用步骤

1.导入相关包：
from sklearn.datasets import load_iris
from sklearn.datasets import fetch_20newsgroups
from sklearn.model_selection import train_test_split
2.实例化对象:li = load_iris() 返回一个字典格式的数据
3.#获取特征值 ， 也就是数据: print(li.data) #因为是字典也可以li[‘data’]
4. #获取目标值:print(li.target)
5. 获取描述信息： print(li.DESCR)

结果

1.数据输出

2.目标输出

其中0 1 2 分别代表花的类别
3.获取描述信息

这里选择几个比较常用的加以说明：
Attribute Information：表示数据的列索引
class：表示类别，这里有三类，分别对应于目标输出中的0 1 2 三类

进行数据划分

```python
  #必须这样排列
    x_train,x_test,y_train,y_test = train_test_split(li.data,li.target,test_size=0.25)
    #li.data，表示总数据，也及要划分的数据集
    #li.target,表示数据集的目标值
    #test_size = 0.25，表示测试集的大小，范围0-1
    #注意这里进行划分是随机抽取
    print("训练集特征值和目标值：",x_train,y_train)
    print("测试集特征值和目标值：",x_test,y_test)

![在这里插入图片描述](https://img-blog.csdnimg.cn/20210123093453348.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20210123093515876.png)