sklearn 随机分割数据_关于sklearn数据集随机切分（train_test_split）

关于sklearn数据集随机切分(train_test_split)

train_test_split的作用是：

给定数据集X和类别标签y，将数据集按一定比例随机切分为训练集和测试集。

代码：

from sklearn.model_selection import train_test_split # 更新

# 生成20个句子，前15个和后5个类别分别对应1和2

X = [[u"这是", u"第1个", u"测试"]] * 15 + [[u"这是", u"第2个", u"测试"]] * 5

y = [1] * 15 + [2] * 5

# 随机抽取20%的测试集

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

print(len(X_train), len(X_test))

# 查看句子和标签是否仍然对应

for i in range(len(X_test)):

print("".join(X_test[i]), y_test[i])

输出：

16 4

这是第1个测试 1

这是第1个测试 1

这是第1个测试 1

这是第1个测试 1

是随机的20%

在运行一次：

16 4

这是第1个测试 1

这是第2个测试 2

这是第2个测试 2

这是第1个测试 1

切分后的训练集和测试集标签仍然一一对应。