5.sklearn之转换器（划分训练集和测试集、以及标准化、归一化数据会用transform，独热编码也会用到）

1. 什么是转换器？

这就是一个名字，不要被这个名字吓一跳。很简单，就是将数据，转换一种形态。比如，将数据标准化就是一种转换，将数据分为训练集和测试集也是一种转换。

2. 测试集和训练集

2.1 训练集 、测试集、验证集

10折比较常用，K可以取任意值。
这篇就说一下训练集、测试集、验证集。
至于K折交叉验证的使用范围：数据量少的时候可以使用该方法拆分数据；也可以使用该方法计算K折预测误差，寻找最优参数或者最优模型。后面的文章会写，本文不介绍。

2.2 拆分训练集测试集有个问题

拆分的时候，数据并不一定是平衡的。就是说0,1分布不一定就会被均匀的抽样出来。不仅跟抽样方式有关，更加跟原样本的分布有关。具体解决方法是采用SMOTE算法对非平衡数据抽样。本文不做介绍，后面的博客会写。

2.3 代码

先来看看参数

from sklearn.model_selection import train_test_split
help(train_test_split)
train_test_split(*arrays, **options)

参数名称	说明
arrays	接收一个或多个数据集。代表需要划分的数据集。若为分类回归，则分别传入数据和标签；若为聚类，则传入数据。
test_size	接收float、in