sklearn.cross_validation.train_test_split用法

from sklearn.cross_validation import train_test_split

在做机器学习项目时，有时候会需要自己手动把数据集分隔成训练集、交叉验证集（CV）或者交叉验证集和测试集，此时可以用到sklearn提供的分隔数据集的函数，以下举例说明：

>>> mat = sio.loadmat('data.mat')
>>> mat.keys()
dict_keys(['__header__', '__version__', '__globals__', 'X', 'Xval', 'yval'])

>>> mat.get('Xval').shape, mat.get('yval').shape
((307, 2), (307, 1))

>>> Xval, Xtest, yval, ytest = train_test_split(mat.get('Xval'),mat.get('yval').ravel(),test_size=0.5)
Xval.shape, Xtest.shape, yval.shape, ytest.shape
((153, 2), (154, 2), (153,), (154,))

现在解释一下上面的代码，先导入数据，看了数据是什么样的组织形式，这时我们发现数据只有训练集和验证集，没有测试集。此时就需要train_test_split函数了。
我要用它将验证集分出一部分作为测试集。这个函数做的事情就是：将上面Xval和yval各分出了一部分作为测试集的Xtest和ytest。其中test_size表示我要分成一半一半，且为随机抽取。也可以选择其他比例，更改test_size的值即可。