机器学习中---sklearn对于鸢尾花如何进行数据集划分

机器学习中，我们熟知的开发流程是：获取数据------数据处理------特征工程------机器学习算法训练模型------模型评估-----应用实际

#所以对于一个我们已有的数据集，不能全部用作建立模型，还要有一部分数据集用来进行我们建立的模型的训练评估，这就涉及到数据集的划分，要用到这个代码进行数据集的划分：

x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,random_state=22)

这串代码的具体解释如下：

train_test_split()是sklearn包的model_selection模块中提供的随机划分训练集和测试集的函数；

使用train_test_split函数可以将我们已有的数据集按照一定比例划分训练集和测试集。

x，y是原始的数据集的特征值和标签值。

x_train,y_train 是原始数据集划分出来作为训练模型的.

x_test,y_test 这部分的数据不参与模型的训练，而是用于评价训练出来的模型好坏。

其中，test_size=？ 是测试集的划分比例，里面如果不设置，自己定义为0.25，

random_state：是随机数的种子。相同的随机种子时，同样的代码，得到的训练集数据相同。不同随机种子时，同样的代码，得到的训练集数据就会不同。

对于鸢尾花数据划分的整体代码如下：

from sklearn.datasets import load_iris
#小规模数据集用load,大规模数据集用fetch
from sklearn.model_selection import train_test_split
#导入鸢尾花数据集
#实例化对象
iris=load_iris()
print('鸢尾花数据集：\n',iris)#可以看出是字典形式的
#查看特征值
print('鸢尾花的特征值：\n',iris['data'],iris.data.shape)#可以通过字典类型获取，也可以通过.属性的方法获取键值对
#查看特征值的名字
print('鸢尾花的特征值：\n',iris.feature_names)
#查看数据集的描述
print('鸢尾花的数据集描述：\n',iris['DESCR'])#可以看到他的特征值的描述有哪些
'''众所周知，在机器学习种，数据和特征决定了其上限，而模型和算法只是逼近这个上限'''
#数据集的划分,将原始数据集划分为训练集和测试集
x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,random_state=22)
print('训练集的特征值：',x_train,x_train.shape)#x_train.shape可以知道几行几列