首先調入庫：from sklearn.model_selection import train_test_split

train_test_split是交叉驗證中常用的函數，功能是從樣本中隨機的按比例選取train data和test data。注意輸出的參數對應的次序。

語法：

X_train,X_test, y_train, y_test =?cross_validation.train_test_split(train_data,train_target,test_size=0.4, random_state=0)

參數：X代表數據，y代表對應的分類label

• train_data：所要劃分的樣本特征集（其實就是X）
• train_target：所要劃分的樣本結果（其實就是y）
• test_size：樣本占比，如果是整數就是樣本的數量
• random_state：隨機數的種子

隨機數種子：

其實就是該組隨機數的編號，在需要重復試驗的時候，保證得到一組一樣的隨機數。比如你每次都填1，其他參數一樣的情況下你得到隨機數組是一樣的。但填0或不填，每次都不一樣。

隨機數的產生取決于種子，隨機數和種子之間的關系遵從以下兩個規則：

種子不同，產生不同的隨機數；種子相同，即使實例不同也產生相同的隨機數。

總結

以上是生活随笔為你收集整理的【Python学习】 - sklearn学习 - 交叉验证中的常用函数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。