sklearn.model_selection.train_test_split
-
sklearn.model_selection.train_test_split（*數組，**選項）[來源] -
將數組或矩陣拆分為隨機序列和測試子集
包含輸入驗證和應用程序的快速實用程序， 用於將數據輸入到單個調用中，以便在oneliner中拆分（並可選地進行子采樣）數據。
next(ShuffleSplit().split(X, y))閱讀用戶指南中的更多內容。
參數： *數組：具有相同長度/形狀的可索引序列[0]
允許的輸入是列表，numpy數組，scipy-sparse矩陣或pandas數據幀。
test_size：float，int，None，optional
如果為float，則應介於0.0和1.0之間，並表示要包含在測試拆分中的數據集的比例。如果是int，則表示測試樣本的絕對數量。如果為None，則將該值設置為列車大小的補碼。默認情況下，該值設置為0.25。默認值將在版本0.21中更改。只有在
train_size未指定時才會保持0.25 ，否則它將補充指定的train_size。train_size：float，int或None，默認為None
如果為float，則應介於0.0和1.0之間，並表示要包含在列車拆分中的數據集的比例。如果是int，則表示列車樣本的絕對數量。如果為None，則該值將自動設置為測試大小的補碼。
random_state：int，RandomState實例或None，可選（默認=無）
如果是int，則random_state是隨機數生成器使用的種子; 如果是RandomState實例，則random_state是隨機數生成器; 如果沒有，隨機數生成器所使用的RandomState實例np.random。
shuffle：boolean，optional（default = True）
是否在拆分之前對數據進行洗牌。如果shuffle = False，則分層必須為None。
stratify：array-like或None（默認為None）
如果不是None，則數據以分層方式拆分，使用此作為類標簽。
返回： 拆分：列表，長度= 2 * len（數組）
包含列車測試輸入分組的列表。
版本0.16中的新增內容：如果輸入是稀疏的，則輸出將為a
scipy.sparse.csr_matrix。否則，輸出類型與輸入類型相同。