数据集划分
机器学习一般的数据集会划分为两个部分:
(1)训练数据。用于训练,构建模型。
(2)测试数据。在模型检验时使用,用于评估模型是否有效。
训练数据和测试数据划分比例可以为:70%和30%、80%和20%、75%和25%(较为常用)。
sklearn 数据集划分API
sklearn.model_selection.train_test_split(x,y,**options)
x: 数据集的特征值;
y: 数据集的目标值(标签)
test_size : 测试集的大小,一般为float
random_sate: 随机数种子,不同的种子会造成不同的采样结果。相同种子的采样结果相同。
返回值:训练特征值,测试特征值,训练目标值,测试目标值(其中样本顺序自动打乱)
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
li