scikit-learn库学习之train_test_split函数

scikit-learn库学习之train_test_split函数

一、简介

train_test_split是scikit-learn库中用于将数据集拆分为训练集和测试集的函数。它在进行模型训练和评估时非常有用，通过将数据集划分为独立的训练和测试部分，可以有效评估模型的性能和泛化能力。

二、语法和参数

sklearn.model_selection.train_test_split(*arrays, test_size=None, train_size=None, random_state=None, shuffle=True, stratify=None)

• *arrays: 待划分的数组或矩阵。
• test_size: float 或 int, 可选，测试集占总样本的比例（0到1之间）或样本数量。默认值为0.25。
• train_size: float 或 int, 可选，训练集占总样本的比例（0到1之间）或样本数量。若为None，则为补齐test_size。
• random_state: int 或 RandomState instance, 可选，随机数生成器的种子。
• shuffle: boolean, 可选，是否在划分之前对数据进行洗牌。默认值为True。
• stratify: array-like, 可选，按照该参数进行分层采样。

三、实例

3.1 基本用法

import numpy as np
from sklearn.model_selection import train_test_split

# 创建示例数据
X, y = np.arange(10).reshape((5