【Python机器学习】 使用scikit-learn中train_test_split函数实现对模型的训练

训练模型——train_test_split函数实现

scikit-learn中的train_test_split函数可以打乱数据集并进行拆分。这个函数将75%的行数据及对应标签作为训练集，剩下25%的数据及其标签作为测试集。

scikit-learn中的数据通常用大写的X表示，标签用小写的y表示。大写的X是因为数据是一个二维数组（矩阵），用小写的y是因为目标是一个一维数组（向量）

使用步骤

1.导包

from sklearn.model_selection import train_test_split

2.调train_test_split函数

# train_test_split函数的输出为X_train、X_test、y_train和y_test，它们都是NumPy数组
X_train, X_test, y_train, y_test = train_test_split(train_data,train_target,test_size, random_state=0,stratify)

#train_data指定训练集，train_target表示划分的样本结果，test_size表示测试样本占比（如果是整数表示样本的数量），stratify指定训练集不同类别间的分配比例（保持split前类的分布）处理不平衡数据，random_state是随机数的种子（对数据进行拆分之前，train_test_split函数利用伪随机数生成器将数据集打乱。为了确保多次运行同一函数能够得到相同的输出，设置random_state=0再运行一次，结果同上次相同）

train_test_spilt函数实例：https://www.cnblogs.com/Yanjy-OnlyOne/p/11288098.html