python划分训练集和测试集_杨涛的Python机器学习3：单特征与多特征、训练集与测试集,杨桃...

本人CSDN博客专栏：https://blog.csdn.net/yty_7

Github地址：https://github.com/yot777/

单特征与多特征

在上一节标签和特征的示例中，我们使用的是标签和特征一一对应：

特征（身高，以米为单位）

标签

A

1.51

0

B

1.61

1

C

1.76

1

D

2.1

1

E

1.58

0

F

1.68

1

事实上，在现实生活中，存在着大量的多个特征对应一个标签的情况，以我们熟知的线性规划问题举例：

在此问题中，存在x1和x2两种特征共同决定了该机床厂的销售利润。

依照线性规划的图解法，我们可以得到：

上图中的标黄部分是可行域，可行域中的每个坐标(x1,x2)记为标签1（可行）

除了可行域之外的部分，每个坐标(x1,x2)记为标签0（不可行）

这样，我们就完成了多个特征对应一个标签的匹配。

训练集与测试集

依照图解法的结果，我们可以得到以下10个样本数据的特征和标签

其中5个数据的标签为0，5个数据的标签为1，总共10个数据构成了源数据集：

样本数据

特征x1

特征x2

标签

1

1

2

1

2

4

5

0

3

2

1

1

4

4

2

1

5

6

1

0

6

3

3

1

7

5

2

0

8

4

5

0

9

2

7

0

10

2

6

1

在引言中我们学过，机器学习的前两个步骤是：

学到知识：

通过

大量训练数据进行数学建模

，让机器“学”到数据的某种规律。

按时温习：

通过已经

建好的模型

来

运行测试数据，

验证“学”到的那些规律是否正确。

那么我们现在只有10个数据，一般来说会将70%~80%的数据用来进行数学建模，这部分数据叫

训练集。

剩下的20%到30%的数据用来验证建模运算后的数据是否得到正确的标签，这部分数据叫

测试集。

在机器学习领域，通常我们用以下4个变量来表示训练集、测试集以及他们的特征和标签：

X_train

表示训练集特征，

y_train

表示训练集标签

X_test

表示测试集特征，

y_test

表示测试集标签。

注意：X为大写，表示矩阵（一条数据可以有多个特征）；y为小写，表示向量（一条数据只能有一个标签）

按照80%训练集20%测试集的原则，我们将以上表格划分为以下4个部分：

Python实现训练集与测试集

代码如下：

import numpy as np

#源数据矩阵

S = np.array([[1,2,1],[4,5,0],[2,1,1],[4,2,1],[6,1,0],[3,3,1],[5,2,0],[4,5,0],[2,7,0],[2,6,1]])

print('源数据矩阵是\n',S)

#X_train训练集特征矩阵，先取行再取列

X_train = S[:8][:,0:-1]

print('X_train训练集特征矩阵是\n',X_train)

#y_train训练集标签向量，先取行再取列

y_train = S[:8][:,-1]

print('y_train训练集标签向量是\n',y_train)

#X_test测试集特征矩阵，先取行再取列

X_test = S[8:][:,0:-1]

print('X_test测试集特征矩阵是\n',X_test)

#y_train训练集标签向量，先取行再取列

y_test = S[8:][:,-1]

print('y_test测试集标签向量是\n',y_test)

运行结果：

源数据矩阵是

[[1 2 1]

[4 5 0]

[2 1 1]

[4 2 1]

[6 1 0]

[3 3 1]

[5 2 0]

[4 5 0]

[2 7 0]

[2 6 1]]

X_train训练集特征矩阵是

[[1 2]

[4 5]

[2 1]

[4 2]

[6 1]

[3 3]

[5 2]

[4 5]]

y_train训练集标签向量是

[1 0 1 1 0 1 0 0]

X_test测试集特征矩阵是

[[2 7]

[2 6]]

y_test测试集标签向量是

[0 1]

总结

在现实生活中，存在着大量的多个特征对应一个标签的情况。

源数据中用来进行数学建模的数据叫

训练集

，一般占源数据的70%~80%

源数据中用来验证通过建模运算后的数据是否得到正确的标签，这部分数据叫

测试集

，一般占源数据的20%~30%

在机器学习领域，通常我们用以下4个变量来表示训练集、测试集以及他们的特征和标签：

X_train

表示训练集特征，

y_train

表示训练集标签

X_test

表示测试集特征，

y_test

表示测试集标签。

注意：X为大写，表示矩阵（一条数据可以有多个特征）；y为小写，表示向量（一条数据只能有一个标签）

本人CSDN博客专栏：https://blog.csdn.net/yty_7

Github地址：https://github.com/yot777/

如果您觉得本篇本章对您有所帮助，欢迎关注、评论、点赞！Github欢迎您的Follow、Star！