deep_learning_Function_sklearn的train_test_split()
2024-09-07 09:02:32
sklearn的train_test_split
train_test_split函数用于将矩阵随机划分为训练子集和测试子集,并返回划分好的训练集测试集样本和训练集测试集标签。
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)
参数解释:
train_data:被划分的样本特征集
train_target:被划分的样本标签
test_size:如果是浮点数,在0-1之间,表示样本占比;如果是整数的话就是样本的数量
random_state:是随机数的种子。
随机数种子:其实就是该组随机数的编号,在需要重复试验的时候,保证得到一组一样的随机数。比如你每次都填1,其他参数一样的情况下你得到的随机数组是一样的。但填0或不填,每次都会不一样。
随机数的产生取决于种子,随机数和种子之间的关系遵从以下两个规则:
种子不同,产生不同的随机数;种子相同,即使实例不同也产生相同的随机数。
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] 转自:https://www.cnblogs.com/bonelee/p/8036024.html
最新文章
- CE修改器修改DNF 测试视频 阿修罗提升智力增加攻击力
- poj1001_Exponentiation_java高精度
- Browsersync — 省时的浏览器同步测试工具
- 学习OpenCV——行人检测&;人脸检测(总算运行出来了)
- jmeter 启用gzip压缩——解决测试中web服务器上行流量过大的问题
- 最近整理的一些行列转换sql(有自己的,有别人的),留作记录
- gray code 格雷码 递归
- 【Android】: 部分注意事项
- Javascript编码规范,好的代码从书写规范开始,增强代码的可读性,可维护性,这是相当重要的!
- 在shell脚本中使用alias
- 极简版ASP.NET Core学习路径及教程
- 网络协议抓包分析——TCP传输控制协议(连接建立、释放)
- Android--序列化XML数据
- iOS逆向开发(0):修改二进制代码与重签名 | hopper | codesigh
- Linux3.10.0块IO子系统流程(0)-- 块IO子系统概述
- HTML5视频播放插件Video.js使用详解
- extern 用法,全局变量与头文件(重复定义)
- BCGcontrolBar(三) 添加表格(Grid)组件
- pgm2
- Golang 处理 Json(二):解码