iris数据集_sklearn日志（二）训练集和测试集划分

机器学习算法需要大量的数据，这些数据一部分用于模型训练，另一部分作为测试或验证。

机器学习入坑者：sklearn日志（一）体验官方提供的标准数据集​zhuanlan.zhihu.com

sklearn库不仅提供了多个标准数据集，同时还具有易用的数据集划分功能，核心函数为train_test_split()，下面将对此函数用法进行具体介绍。

1、准备：数据集读取

首先，读取sklearn提供的标准数据集，确定数据总数为150：

iris 

2、train_test_split()参数详解

按照sklearn的官方文档，函数共包含下面几个主要参数：

• *arrays ：需要分割的数据，可以是list、numpy array等类型
• test_size：测试集所占的比例，取值范围在0到1之间
• train_size：训练集所占的比例，默认是等于1减去test_size
• shuffle：是否在分割之前打乱数据集，默认是True

分割函数将会返回输入数据两倍的list，即train部分和test部分。其中*array表示可以同时输入多条数据，并以相同的次序对每条数据进行打乱（必须同时将data和label放入此函数中，保证打乱后依旧对应）。

3、训练集和测试集分割

通过上述的参数介绍，下面将数据集进行4:1的分割，即训练集占比80%，测试集占比20%：

X_train

数据总量为150，所以分割后训练集数量为120，测试集数量为30：

X