sklearn中的train_test_split()函数解析
train_test_split()函数：机器学习中用于分割数据集（训练集和测试集）
X_train,X_test,y_train,y_test = train_test_split(X, y, test_size=None, train_size=None, random_state=None, shuffle=True, stratify=None)
参数说明：
参数含义X待划分的样本特征集y待划分的样本标签test_size默认值为none，值为0.0-1.0时表示测试集占总样本比例；值为整数时表示测试集数量train_size默认值为none，值为0.0-1.0时表示训练集占总样本比例；值为整数时表示训练集数量random_state默认值none, 随机数种子（下面详细介绍）shuffle默认值True, 表示是否在拆分前打乱数据, 若为False则stratify必须置为nonestratify默认值none，如果不是none，则以分层方式拆分数据，并将其用作类标签
返回值说明：
名称含义X_train训练数据集X_test测试数据集y_train训练标签集y_test测试标签集
>a, b = np.arange(8).reshape(4,2), range(4)
a: [[0 1]
[2 3]
[4 5]
[6 7]]
b:range(0, 4)
>X_train,X_test,y_train,y_test = train_test_split(a,b)
>print('训练数据集：\n{}'.format(X_train))
>print('训练标签集：\n{}'.format(y_train))
>print('测试数据集：\n{}'.format(X_test))
>print('测试标签集：\n{}'.format(y_test))
- 第一次运行结果：
训练数据集：[[6 7] [0 1] [2 3]]
训练标签集：[3, 0, 1]
测试数据集：[[4 5]]
测试标签集：[2] - 第二次运行结果：
训练数据集：[[4 5] [6 7] [2 3]]
训练标签集：[2, 3, 1]
测试数据集：[[0 1]]
测试标签集：[0]
可以看出每次运行结果的拆分方式都是随机的
X_train,X_test,y_train,y_test = train_test_split(a,b,random_state=1)
设置了random_state=1后，每次运行结果都是一样的：
训练数据集：[[4 5] [0 1] [2 3]]
训练标签集：[2, 0, 1]
测试数据集：[[6 7]]
测试标签集：[3]
- shuffle说明：
能够在划分数据前打乱数据，当数据分布不均衡时，可能会导致划分后的训练集和测试集不均匀，比如测试集中的类0占了99%，类1只占了1%（像sklearn中鸢尾花数据集前50个样本都是同一类别,此时打乱数据很有必要，因此默认值为True是合理的） - stratify说明：
能够保持划分前类的分布，比如（参考文章）：
有100个样本，80个属于标签0，20个属于标签1，如果前面参数test_size=0.25，则
75个训练数据，60个标签为0，15个标签为1
25个测试数据，20个标签为0，5个标签为1
Original: https://blog.csdn.net/W153633/article/details/126312955
Author: 好好学习就改名
Title: sklearn中的train_test_split()函数解析
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/667569/
转载文章受原作者版权保护。转载请注明原作者出处！