【sklearn】数据集拆分 sklearn.moduel

函数

X_train,X_test, y_train, y_test = sklearn.model_selection.train_test_split(X, y, 
                                                                           test_size=None, 
                                                                           train_size=None, 
                                                                           random_state=None, 
                                                                           shuffle=True, 
                                                                           stratify=None)

参数：

• X： 待划分的样本特征集合
• y： 待划分的样本标签
• test_size： 若在0~1之间，为测试集样本数目与原始样本数目之比；若为整数，则是测试集样本的数目。
• random_state：随机数种子，默认不设置。不设置的话，每次运行分割出来的测试数据集都是随机的；设置的话，每次运行划分出来的都是同一个结果。不同种子划分出的结果不一样，相同种子运行划分出的结果一样。

返回值

• X_train 划分出的训练集数据（返回值）
• X_test 划分出的测试集数据（返回值）
• y_train 划分出的训练集标签（返回值）
• y_test 划分出的测试集标签（返回值）

举例：

import numpy as np
from sklearn.model_selection import train_test_split

X, y = np.arange(20).reshape((10, 2)), np.arange(10)
X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.33, random_state=12)

print('Xn',X)
print('n y n',y)
print('n X_train n',X_train)
print('n X_test n',X_test)
print('n y_train n',y_train)
print('n y_test n',y_test)