python中shuffleSplit（）函數

參數：

 

n : int

數據集中的元素總數。

n_iter : int (default 10)

重新洗牌和分裂迭代次數。

test_size : float (default 0.1), int, or None

如果是float類型的數據, 這個數應該介於0-1.0之間，代表test集所占比例. 如果是int類型, 代表test集的數量. 如果為None, 值將自動設置為train集大小的補集

train_size : float, int, or None (default is None)

如果是float類型的數據 應該介於0和1之間，並表示數據集在train集分割中所占的比例 如果是int類型, 代表train集的樣本數量. 如果為None, 值將自動設置為test集大小的補集

random_state : int or RandomState

用於隨機抽樣的偽隨機數發生器狀態。

 

>>> from sklearn import cross_validation
>>> rs = cross_validation.ShuffleSplit(4, n_iter=3,
...     test_size=.25, random_state=0)
>>> len(rs)
3
>>> print(rs)
...
ShuffleSplit(4, n_iter=3, test_size=0.25, ...)
>>> for train_index, test_index in rs:
...    print("TRAIN:", train_index, "TEST:", test_index)
...
TRAIN: [3 1 0] TEST: [2]
TRAIN: [2 1 3] TEST: [0]
TRAIN: [0 2 1] TEST: [3]

>>> rs = cross_validation.ShuffleSplit(4, n_iter=3,
...     train_size=0.5, test_size=.25, random_state=0)
>>> for train_index, test_index in rs:
...    print("TRAIN:", train_index, "TEST:", test_index)
...
TRAIN: [3 1] TEST: [2]
TRAIN: [2 1] TEST: [0]
TRAIN: [0 2] TEST: [3]
.. automethod:: __init__