sklearn的train_test_split

?

train_test_split函數(shù)用于將矩陣隨機(jī)劃分為訓(xùn)練子集和測(cè)試子集，并返回劃分好的訓(xùn)練集測(cè)試集樣本和訓(xùn)練集測(cè)試集標(biāo)簽。

格式：

X_train,X_test, y_train, y_test =cross_validation.train_test_split(train_data,train_target,test_size=0.3, random_state=0)

?

參數(shù)解釋：

train_data：被劃分的樣本特征集

train_target：被劃分的樣本標(biāo)簽

test_size：如果是浮點(diǎn)數(shù)，在0-1之間，表示樣本占比；如果是整數(shù)的話(huà)就是樣本的數(shù)量

random_state：是隨機(jī)數(shù)的種子。

隨機(jī)數(shù)種子：其實(shí)就是該組隨機(jī)數(shù)的編號(hào)，在需要重復(fù)試驗(yàn)的時(shí)候，保證得到一組一樣的隨機(jī)數(shù)。比如你每次都填1，其他參數(shù)一樣的情況下你得到的隨機(jī)數(shù)組是一樣的。但填0或不填，每次都會(huì)不一樣。

隨機(jī)數(shù)的產(chǎn)生取決于種子，隨機(jī)數(shù)和種子之間的關(guān)系遵從以下兩個(gè)規(guī)則：

種子不同，產(chǎn)生不同的隨機(jī)數(shù)；種子相同，即使實(shí)例不同也產(chǎn)生相同的隨機(jī)數(shù)。

示例

?

>>> import numpy as np >>> from sklearn.model_selection import train_test_split >>> X, y = np.arange(10).reshape((5, 2)), range(5) >>> X array([[0, 1],[2, 3],[4, 5],[6, 7],[8, 9]]) >>> list(y) [0, 1, 2, 3, 4]

>>>

>>> X_train, X_test, y_train, y_test = train_test_split( ... X, y, test_size=0.33, random_state=42) ... >>> X_train array([[4, 5],[0, 1],[6, 7]]) >>> y_train [2, 0, 3] >>> X_test array([[2, 3],[8, 9]]) >>> y_test [1, 4]

總結(jié)

以上是生活随笔為你收集整理的sklearn的train_test_split的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。