机器学习全套教程（七）-- 数据集介绍与划分

Python爬虫人工智能教程：www.python88.cn

编程资源网：www.python66.cn

数据集介绍与划分

学习目标

• 目标
  • 知道数据集的分为训练集和测试集
  • 知道sklearn的分类、回归数据集
• 应用
  • 无

拿到的数据是否全部都用来训练一个模型？

1、 数据集的划分

机器学习一般的数据集会划分为两个部分：

• 训练数据：用于训练，构建模型
• 测试数据：在模型检验时使用，用于评估模型是否有效

划分比例：

• 训练集：70% 80% 75%
• 测试集：30% 20% 30%

API

• sklearn.model_selection.train_test_split(arrays, *options)
  • x 数据集的特征值
  • y 数据集的标签值
  • test_size 测试集的大小，一般为float
  • random_state 随机数种子,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。
  • return ，测试集特征训练集特征值值，训练标签，测试标签(默认随机取)