随记——机器学习

前言

本来有个500块钱的单子，用机器学习做一个不知道什么鸟的识别，正好有数据集，跑个小项目，过一下机器学习图像识别的流程，用很短的时间记录下来.....

一、数据预处理

将数据集分为训练集和测试集，直接使用sklearn库就行，这是一个机器学习的库，我就知道这么多，能用就用上，怎么用，组织好prompt问gpt就好了，也足够了.....

使用train_test_split了解了一个参数，想了两个问题，记录一下吧！

random_state=42 是 train_test_split 函数中的一个参数，用于控制随机数生成器的种子。

作用：

1. 可重复性：设置随机种子后，每次运行代码时，数据集的划分结果（训练集和测试集的样本）都是相同的。这在调试和实验时非常重要，可以确保你得到一致的结果。

2. 随机性：当你不设置 random_state（或者将其设为 None）时，train_test_split 每次运行可能会产生不同的训练集和测试集。这可能导致模型的性能评估不一致。

为什么是42？

42 常被用作随机数生成的“宇宙的终极答案”，这个数字在编程和数学中有一种幽默的文化象征。实际上，你可以选择任何整数作为种子，使用相同的种子将得到相同的划分结果。因此，选择4