iris数据集_sklearn日志（二）训练集和测试集划分

机器学习算法需要大量的数据，这些数据一部分用于模型训练，另一部分作为测试或验证。

机器学习入坑者：sklearn日志（一）体验官方提供的标准数据集zhuanlan.zhihu.com

sklearn库不仅提供了多个标准数据集，同时还具有易用的数据集划分功能，核心函数为train_test_split()，下面将对此函数用法进行具体介绍。

1、准备：数据集读取

首先，读取sklearn提供的标准数据集，确定数据总数为150：

iris

2、train_test_split()参数详解

按照sklearn的官方文档，函数共包含下面几个主要参数：

*arrays ：需要分割的数据，可以是list、numpy array等类型
test_size：测试集所占的比例，取值范围在0到1之间
train_size：训练集所占的比例，默认是等于1减去test_size
shuffle：是否在分割之前打乱数据集，默认是True

分割函数将会返回输入数据两倍的list，即train部分和test部分。其中*array表示可以同时输入多条数据，并以相同的次序对每条数据进行打乱（必须同时将data和label放入此函数中，保证打乱后依旧对应）。

3、训练集和测试集分割

通过上述的参数介绍，下面将数据集进行4:1的分割，即训练集占比80%，测试集占比20%：

X_train

数据总量为150，所以分割后训练集数量为120，测试集数量为30：

iris数据集_sklearn日志（二）训练集和测试集划分相关推荐

fgvc-aircraft-2013b飞机细粒度数据训练集和测试集划分python代码
fgvc-aircraft-2013b是细粒度图像分类和识别研究中经典的benchmarks,它包含四种类型的标注: (1)按照manufacturer进行划分,可分为30个类别,例如ATR.Airb ...
python按设定比例划分训练集和测试集代码
# *_*coding: utf-8 *_* # Author --LiMing--import os import random import shutil import timedef copyF ...
训练集和测试集的标准化中的坑！！！
问题:数据标准化,应该在训练集和测试集划分前还是后? 答:数据标准化,应该在训练集和测试集划分后,分别对训练集和测试集进行数据标准化处理.不应该是数据标准化后,再进行划分.虽然从模型测试的结果看,可能 ...
用c语言实现knn算法要有训练集和测试集,KNN算法实战：手写字体识别
我们已经知道手写字体数据集是一个8×8的矩阵,共有64个特征.让我们看一下K最近邻算法对手写字体数据集处理的效果. 1) 导入相关包这里我们将用到 datasets 中的手写字体数据,使用 trai ...
oxford5k和paris6k数据集介绍_sklearn函数：KFold（分割训练集和测试集）
上一篇介绍了train_test_split函数: 橘猫吃不胖:sklearn函数:train_test_split(分割训练集和测试集)zhuanlan.zhihu.com 主要场景是,我们想要将 ...
python划分数据集用pandas_用pandas划分数据集实现训练集和测试集
1.使用model_select子模块中的train_test_split函数进行划分数据:使用kaggle上Titanic数据集划分方法:随机划分 # 导入pandas模块,sklearn中mo ...
idea2020.2中@test是怎么测试的_Sklearn 划分训练集和测试集
[从零开始学机器学习第 03 篇] 摘要:手写 Sklearn 的 train_test_split 函数. 之前两篇文章以酒吧的红酒故事引出了 kNN 分类算法,根据已倒好的酒(样本),预测新倒的酒 ...
【自存代码】划分数据集为训练集和测试集
[自存代码]划分image和label为训练集和测试集修改自这位大佬的代码:https://blog.csdn.net/weixin_47414034/article/details/1254793 ...
将数据集分为训练集和测试集（python脚本）
文章目录程序: 下面简单介绍一下程序流程 1.引入库 os库 shutil random 2.mk_file函数 3.主函数程序: 我们在训练卷积神经网络之前,要搭建好数据集,分成训练集和测试集两 ...

iris数据集_sklearn日志（二）训练集和测试集划分

1、准备：数据集读取

2、train_test_split()参数详解

3、训练集和测试集分割

iris数据集_sklearn日志（二）训练集和测试集划分相关推荐

最新文章

热门文章