python中自带了数据集划分的函数 train_test_split(),通过from sklearn.model_selection import train_test_split导入库函数。train_test_split() 函数需要常用的4个参数:数据集的特征列、数据集的label列、期望划分测试集的大小、划分的随机种子值。返回4个结果分别是:训练集的特征列、测试集的特征列、训练集的label列、测试集的label列。
在机器学习的过程中,为了测试模型的性能,需通过将数据集划分为训练集和验证集,然后对验证集进行预测,评估。此时,如下代码与cv函数的功能是一样的。
from sklearn.model_selection import train_test_split
for i in range(10):
X_train, X_test, Y_train, Y_test = train_test_split(train[predictors], train['label'], test_size=0.4,random_state=i+1) clf.fit(X_train,Y_train) #训练模型
pre=clf.predict(X_test)#预测