自实现train_test_split

train_test_split 对于数据处理是非常重要的，对于建立模型时验证模型得准确性是非常重要的。不过实现起来还是非常简单的。
话的不说了，上代码。

import numpy as np
from sklearn.datasets import load_iris


def myself_split(test_ratio,X,Y):
    # X表示特征值，Y表示目标值
    # 自实现test_train_split

    shuffle_index = np.random.permutation(len(X))  #将随机生成len(X)个元素的下标即0-149随机生成，并保存在数据中
    #print(shuffle_index)
    #test_ratio = 0.2 # 测试集占总数据集的大小
    test_size = int(len(X)*test_ratio) # 算出个数
    test_index = shuffle_index[:test_size]   #测试集
    train_index = shuffle_index[test_size:]  # 训练集
    #print(test_index)
    X_train = X[train_index]  # 训练集的特征值
    # print(X_train)
    Y_train = Y[train_index]  # 训练集的目标值

    X_test = X[test_index]   #测试集的特征值
    #print(X_test)
    Y_test = Y[test_index]   #测试集的目标值


    return X_train,X_test,Y_train,Y_test




def main():
    iris = load_iris()
    X = iris.data    #特征值
    Y = iris.target  # 目标值
    X_train, X_test, Y_train, Y_test = myself_split(test_ratio=0.2,X=X,Y=Y)
    print(X_train.shape)
    print(Y_train.shape)
    print(X_test.shape)
    print(Y_test.shape)


if __name__ == '__main__':
    main()