numpy按比例划分数据集

刘先生的u写倒了

已于 2023-04-25 00:16:13 修改

阅读量275

点赞数

文章标签： numpy 机器学习 python

于 2023-04-24 23:27:20 首次发布

本文链接：https://blog.csdn.net/weixin_43792401/article/details/130354447

版权

这段代码演示了如何使用numpy库在100个数据点中按比例（20%）随机选取测试集索引，然后生成训练集索引。之后，它将随机生成的数据和对应的标签按照这些索引进行分割，形成训练数据和标签以及测试数据和标签。

摘要由CSDN通过智能技术生成

1、根据比例划定测试集索引和训练集索引

n_rating = 100
ratio = 0.2
test_index_list = np.random.choice(n_rating, size=int(n_rating * ratio), replace=False)
train_index_list = list(set(range(n_rating))-set(test_index_list))
print(test_index_list)
print(train_index_list)

在这里插入图片描述
2、引入真实数据，按照索引划分

data = np.random.rand(100, 5)
label = np.arange(1, 101)
label = np.reshape(label, (-1, 1))

train_data, test_data = data[train_index_list], data[test_index_list]
train_label, test_label = label[train_index_list], label[test_index_list]

print(train_data.shape)
print(test_data.shape)
print(train_label.shape)
print(test_label.shape)

在这里插入图片描述

全部代码

import numpy as np
n_rating = 100
ratio = 0.2
test_index_list = np.random.choice(n_rating, size=int(n_rating * ratio), replace=False)
train_index_list = list(set(range(n_rating))-set(test_index_list))
print(test_index_list)
print(train_index_list)


data = np.random.rand(100, 5)
label = np.arange(1, 101)
label = np.reshape(label, (-1, 1))

train_data, test_data = data[train_index_list], data[test_index_list]
train_label, test_label = label[train_index_list], label[test_index_list]

print(train_data.shape)
print(test_data.shape)
print(train_label.shape)
print(test_label.shape)