sklearn数据集划分方法

Sklearn中不同的数据抽样验证方式_#苦行僧的博客-CSDN博客

这里记录以下import语句的前4个抽样方法：

from sklearn.model_selection import (train_test_split,
                                    KFold, 
                                    StratifiedKFold,
                                    StratifiedShuffleSplit,
                                    ShuffleSplit,
                                    GroupShuffleSplit,
                                    GroupKFold, 
                                    TimeSeriesSplit)
 

1. 普通交叉随机抽样验证：train_test_split()：
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2)

 

2. K折交叉抽样验证：KFold()：
 如下为，4折交叉验证，这4份都是互不相交的，等比例的。

参数含义：
1.n_split: 将数据集切分成n_split等份。
2.shuffle: 在切分n_split等份之前是否打乱。
3.4.random_state: 随机种子。当shuffle=True才有用，设置一样的random_state可以保持抽样到的数据一样。

kf = KFold(n_splits=2)
for train_index, test_index in kf.split(X):
    #得到的train_index, test_index是索引
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]
 

 

3. 分层K折抽样验证：StratifiedKFold()：
 StratifiedKFold分层采样，用于交叉验证：与KFold最大的差异在于，StratifiedKFold方法是根据标签中不同类别占比来进行拆分数据的，可以使各个分组中各类别比例与原始样本中各类别的比例保持一致。

参数含义：
1.n_split: 将每个类别切分成n_split等份。
2.shuffle: 在切分n_split等份之前是否打乱。
3.4.random_state: 随机种子。当shuffle=True才有用，设置一样的random_state可以保持抽样到的数据一样。

skf = StratifiedKFold(n_splits=2)
for train_index, test_index in skf.split(X, y):
    #得到的train_index, test_index是索引
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]