用sklearn.model_selection.train_test_split进行机器学习数据及划分

sklearn.model_selection.train_test_split(*arrays, **options)：将数组或矩阵随机划分为训练集和测试集两部分

参数:

*arrays : sequence of indexables with same length / shape[0] 允许输入lists, numpy arrays, scipy-sparse matrices 或者 pandas dataframes. test_size : 小数、整数或者为空（默认为空） 如果是小数，需要介于0.0和1.0之间，代表测试集占输入数据集的百分比。如果是整数，代表测试集样本数量。如果为空，这个值自动设置为训练集补集的大小；如果训练集大小也设置为空，则默认为0.25. train_size : 小数、整数或者为空（默认为空） 如果是小数，需要介于0.0和1.0之间，代表训练集占输入数据集的百分比。如果是整数，代表训练集样本数量。如果为空，这个值自动设置为测试集大小的补集. random_state : 整数或者 RandomState 伪随机数种子用于随机抽样。

stratify : array-like or None (default is None)

If not None, data is split in a stratified fashion, using this as the class labels.

返回值:

splitting : 列表，长度为两倍数组大小

列表包含划分好的训练集和测试集.

0.16版本中新特性:如果输入的数据稀疏，输出将是一个scipy.sparse.csr_matrix. 另外，输出类型与输入类型一致.  

示例

>>>

>>> 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]

>>>

>>> 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]