机器学习代码实战——拆分训练集与测试集（train_test_split）

1.实验目的

我们有一个包含二手宝马车价格的数据集。 我们将分析此数据集，并建立一个可以通过以汽车的行驶里程和车龄作为输入来预测价格的预测函数。 我们将使用sklearn train_test_split方法拆分训练和测试数据集

数据链接
密码:n3dp

2.导入必要模块并读取数据

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split   #数据拆分模块
from sklearn.linear_model import LinearRegression
   
clf = LinearRegression()    #实例化（由散点图可知线性回归比较合适） 
clf.fit(X_train, y_train)   #训练
clf.score(X_test, y_test)   #计算得分
clf.coef_      #打印系数
clf.intercept_    #打印截距
clf.predict(X_test)   #预测

如果想每次拆分的数据集都是一样的，可在train_test_split中加random_state参数如下：

X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.3,random_state=10)
X_test

10是一种状态，不同的数字代表不同的状态。