训练集与测试集切分

前言

为了 更好的训练数据并且更好测试模型，一般做机器学习之前都会进行训练集和测试集的切分。

train_test_split实现

其实我们可以先把数据的输入X和输出向量y进行一个水平拼接，然后随机之后拆开，但是过程比较麻烦。在sklearn中shuffle的并不是训练集，而是训练集长度大小的随机索引。

产生随机索引值

shuffle_indexes=np.random.permutation(len(X)) #X为数据的输入
shuffle_indexes

np.random.permutation( x )这个函数可以产生x和随机数，并且随机数的范围是0～x

shuffle_indexes=np.random.permutation(3)
shuffle_indexes

array([2, 0, 1])

设置切分的比例

test_ratio=0.2
test_size=int(len(X) * test_ratio)

求出切分索引

test_indexes=shuffle_indexes[:test_size]
train_indexes=shuffle_indexes[test_size:]

获得数据

X_train=X[train_indexes]
y_train=y[train_indexes]

X_test=X[test_indexes]
y_test=y[test_indexes]

sklearn中的划分

有了之前的知识就能更好的理解sklearn中的切分函数的每个参数的意思。

导入包

from sklearn.model_selection import train_test_split

调用

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2, 
random_state=0)

参数意义：
X，数据集的输入
y, 数据集的输出
test_size 默认参数，这个测试集所占百分比。
radom_state 默认参数，随机数种子，一般调试的时候希望每次切分要是一样的，就给这个种子一个固定的值就好了。