python训练数据集_Python数据预处理—训练集和测试集数据划分

使用sklearn中的函数可以很方便的将数据划分为trainset 和 testset

该函数为sklearn.cross_validation.train_test_split，用法如下：

>>> importnumpy as np>>> from sklearn.cross_validation importtrain_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]

其中 test_size是样本占比，如果是整数的话就是样本的数量；

random_state是随机数的种子，不同的种子会造成不同的随机采样结果，相同的种子采样结果相同。