train_test_split切分数据集工具

顾名思义，这是一个切分训练集与测试集的工具

from sklearn.model_selection import train_test_split

  如果我们不使用，而是手动进行划分，要么进行简单的操作——划去前80%为训练集，后20%为测试集，这样会带来很多的问题，因为这样做，我们切出来的会让训练集和测试集的分布很不一致，我们可以看一下简单粗暴方法切出来的分布图：

train, test = train_test_split(data_all, test_size=0.2, random_state=10)

红色的训练集，蓝色是测试集（点击图片放大可以看得很清楚，直接看博客好像图片模糊）

 

然后我们看一下使用这个工具切出来的数据分布

 

  我们看到这个切出来的分布，是非常一致的，效果很好，如果我们想手动自己下随机抽取的方法切分，这当然可以办到，但是似乎太费事了，何不利用现成的工具呢？

画上面分布图的代码：

plt.figure(figsize=[6,120])
for i in range(25):
    ax = plt.subplot(25,1,i+1)
    pd.DataFrame(train).iloc[:,i].plot(kind='kde',ax=ax,color="red")
    pd.DataFrame(test).iloc[:,i].plot(kind='kde',ax=ax)
    ax.set_title(train.columns[i])