Sklearn train_test_split参数详解

1 重要参数

train_test_split函数：
将数组或矩阵划分为训练集和测试集

sklearn.model_selection.train_test_split
(*arrays, test_size=None, 
train_size=None, random_state=None, 
shuffle=True, stratify=None)
***参数***
# *arrays：sequence of indexables with same length / shape[0]
# 具有相同行数的可索引的序列（可以是lists|numpy arrays|scipy-sparse matrices|pandas dataframes）
# test_size：float or int, default=None
# 测试集大小（如果是float:0-1之间|如果是整数，代表测试集的样本数量|如果为None，就看train_size,如果train_size也没有，默认设置为0.25）
# train_sizefloat or int, default=None
# 训练集大小（如果是float:0-1之间|如果是整数，代表测试集的样本数量|如果为None，就看test_size）
# random_state，int, RandomState instance or None, default=None
# 随机数：在对数据分割之前设置数据的打断方式，在多个函数调用之间传递一个可重复输出的int
# shuffle，bool, default=True
# 是否在数据分割前打乱数据，If shuffle=False then stratify must be None.
# stratify：array-like, default=None
# 分层，不经常用，如果不是“无”，则以分层方式拆分数据，并将其用作类标签。阅读《用户指南》中的更多内容。

random_state参数：提供使用的随机数生成器

1. None (default)
   使用numpy.random中的全局随机状态实例。多次调用该函数将重用同一实例，并将产生不同的结果。
2. An integer
   Use a new random number generator seeded by the given integer
   使用一个新的随机数生成器，以给定的整数为种子。**使用int将在不同的调用中产生相同的结果。**然而，值得检查的是，在许多不同的随机种子中，您的结果是否稳定。流行的整数随机种子是0和42。整数值必须在[0，2^32-1]范围内。

Sklearn使用的随机数生成器是Mersenne Twister pseudo-random number generator
参考链接：

• RandomState官方文档
• python sklearn模型中random_state参数的意义

• 3. A numpy.random.RandomState instance
     使用提供的随机状态，只影响同一随机状态实例的其他用户。多次调用函数将重用同一实例，并将产生不同的结果。

返回值

# splitting：list, length=2 * len(arrays)
# 包含训练-测试的列表

2 例子

import numpy as np
from sklearn.model_selection import train_test_split
X, y = np.arange(10).reshape((5, 2)), range(5)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

train_test_split(y, shuffle=False)
[[0, 1, 2], [3, 4]]

3 注意

1. 当shuffle=True且random_state取整数，划分得到的是乱序的子集，如果random_state的值不变，那么每次运行得到的数据集不变。
2. 当shuffle=True且random_state =None，划分得到的是乱序的子集，每次运行的带的数据集发生变化。
3. 当shuffle=False，无论random_state是否为定值都不影响划分结果，划分得到的是顺序的子集（每次都不发生变化）。
4. 为保证数据打乱且每次实验的划分一致，只需设定random_state为整数（0-42），shuffle函数中默认=True（注意：random_state选取的差异会对模型精度造成影响）

---

学习链接：

• train_test_split()中shuffle、randomstate参数作用