sklearn.model.selection.train_test_split介绍

Always on my way! J

将数组或矩阵分为随机的训练子集和测试子集。

sklearn.model_selction.train_test_split(*array,test_size =None,train_size = None,random_state = None,)

参数	介绍
*Array	具有相同长度/形状的可索引数组序列（可以是列表、数组、numpy的array、pandas的dataFrame）
test_size	浮点型或整型，默认为none（如果是浮点型，应介于0-1之间，表示测试集占需拆分数据集的比例；如果是整型，则表示测试样本的具体数量。如果是None,则该值是train_size的余量。如果train_size同时为none,则该值默认值取0.25）
train_size	浮点型或整型，默认为none,同test_size
random_state	玄学，可设为42，默认为None
shuffle	布尔值，默认为True。是否在拆分前被数据进行洗牌，如果shuffle设为false,那么startify必须为None,
stratify	类数组分层，默认为None，如果不是None,则以分层方式拆分数据，并将其用作类标签。
输出	包含输入的训练-测试拆分的列表

例子如下

import numpy as np
from sklearn.model_selection import train_test_split
X,y = np.arrange(10).reshape((5,2)),range(5)

得到以下结果

>>> X
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])
>>> list(y)
[0, 1, 2, 3, 4]

利用上述方法对数据集进行训练集与测试集分类

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.33,random_state=42)

得到以下结果

>>> 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]