sklearn.model_selection.train_test_split隨機划分訓練集和測試集

1 函數用途

train_test_split()是交叉驗證中常用的函數，功能是將數組或矩陣按比例隨機划分為訓練集和測試集，使用方法為：

X_train,X_test, y_train, y_test =cross_validation.train_test_split(train_data,train_target,test_size=0.4, random_state=0, shuffle=True)

2 參數解釋：

• train_data：所要划分的樣本特征集
• train_target：所要划分的樣本結果
• test_size：如果為小數則代表樣本占比（0到1），如果是整數則代表樣本的數量，默認為0.25
• random_state：是隨機數的種子，默認為None。如果種子相同，則隨機數相同，如果種子不同，則隨機數不同。在需要重復試驗的時候，保證得到一組一樣的隨機數。比如你每次都填1，其他參數一樣的情況下你得到的隨機數組是一樣的。但填0或不填，則代表隨機數的種子是一個隨機值，每次結果都不同。
• shuffle：划分前是否對數組或矩陣進行洗牌，默認為True。

import numpy as np
from sklearn.model_selection import train_test_split
X = np.arange(10).reshape((5, 2))
y = range(5)

其中X，y分別為：

X= [[0 1]
 [2 3]
 [4 5]
 [6 7]
 [8 9]]

y= [0, 1, 2, 3, 4]

對數據集進行划分，訓練集占70%，測驗集占30%，固定隨機數的種子，划分前不重新洗牌：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=1,shuffle=False)

划分完的數據集如下：

X_train= [[0 1]
 [2 3]
 [4 5]]

y_train= [0, 1, 2]

X_test= [[6 7]
 [8 9]]

y_test= [3, 4]