train_test_split的用法（机器学习）

机器学习中对于数据的随机划分

train_test_split的引用： from sklearn.model_selection import train_test_split

例如：

import numpy as npfrom sklearn.model_selection import train_test_splitX,y=np.arange(10).reshape((5,2)),range
X=np.array([[0,1],[2,3],[4,5],[6,7],[8,9]])
y=[0,1,2,3,4]
print(X)
print(y)X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.4,random_state=0)print（X_train）print（X_test）print（y_train）print（y_test）

#X_train为训练集，X_test为测试集，y_train为训练集，y_test为测试集

train_test_split 将数据集划分成X_train,X_test,y_train,y_test 四部分

train_test_split （train_data,train_target,test_size=0.4, random_state=0）

train_data:所要划分的样本整体

train_target所要划分的样本分类结果

test_size：测试样本占比，如果是整数的话就是样本数量

random_state=0：随机数种子 这里的random_state就是为了保证程序每次运行都分割一样的训练集和测试集。

思考题：random=0和random=1有什么区别？

train_test_split的用法（机器学习）相关推荐

python机器学习 train_test_split()函数用法解析及示例划分训练集和测试集以鸢尾数据为例入门级讲解
文章目录 train_test_split()用法获取数据划分训练集和测试集完整代码脚手架 train_test_split()用法 python机器学习中常用 train_test_split ...
train_test_split()函数用法
链接: sklearn.model_selection.train_test_split 1 用途分裂数组或矩阵为随机的训练集和测试集. 是一个快速实用的工具,能够包装输入验证.next(Shuff ...
机器学习之train_test_split详解
文章目录前言一.train_test_split是什么? 二.使用步骤 1.引入库 2.读入数据 3.参数意义总结前言 train_test_split是python在机器学习中常常需要用到的 ...
机器学习之XGBoost模型学习
1.划分数据集函数train_test_split以及数据的加载: python机器学习 train_test_split()函数用法解析及示例划分训练集和测试集以鸢尾数据为例入门级讲解_侯小啾 ...
机器学习系列(10)_决策树与随机森林回归
注:本篇文章接上一篇文章>>机器学习系列(9)_决策树详解01 文章目录一.决策树优缺点二.泰坦尼克号幸存者案例三.随机森林介绍 1.随机森林的分类 2.重要参数 [1]n_esti ...
sklearn中的train_test_split()函数解析
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_ ...
python3 opencv 输出中文
pip install opencv-python opencv读取中文路径图片: opencv读取中文路径图片_jacke121的专栏-CSDN博客_opencv中文路径 win 安装 pip in ...
房地产特征价格评估的次市场效应模型: 一种概率方法撰写
文章目录一.数据预处理部分 (一)使用到的库 (二)使用到的函数 (三)实现流程二.POI数据处理部分 (一)使用到的库 (二)使用到的函数 (三)实现流程三.BN (一)使用到的库 (二)使用 ...
数据挖掘报告——汽车销售行业行为识别
目录项目背景需求分析功能分析详细讲解 1. 数据导入 2.数据处理 2.1独热特征编码 2.2分离结果集 2.3转换文本为int类型 2.4删除多余数据 3数据可视化 3.1数据归一化 3.2 ...

train_test_split的用法（机器学习）

train_test_split的用法（机器学习）相关推荐

最新文章

热门文章