机器学习5---数据集的划分

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