python 划分数据集为训练集和测试集

最新推荐文章于 2025-05-22 09:06:36 发布

心雨心辰

最新推荐文章于 2025-05-22 09:06:36 发布

阅读量5.7w

点赞数 19

CC 4.0 BY-SA版权

分类专栏：机器学习 python 文章标签：机器学习 python

本文链接：https://blog.youkuaiyun.com/xidianliutingting/article/details/53463033

python 同时被 2 个专栏收录

16 篇文章

订阅专栏

机器学习

7 篇文章

订阅专栏

本文介绍如何使用sklearn的cross_validation模块中的train_test_split函数来随机划分数据集为训练集和测试集，并提供了一个自定义函数实现同样的功能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

sklearn的cross_validation包中含有将数据集按照一定的比例，随机划分为训练集和测试集的函数train_test_split

from sklearn.cross_validation import train_test_split
#x为数据集的feature熟悉，y为label.
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3)

得到的x_train,y_train（x_test,y_test）的index对应的是x,y中被抽取到的序号。
若train_test_split传入的是带有label的数据，则如下代码：

from sklearn.cross_validation import train_test_split
#dat为数据集,含有feature和label.
train, test = train_test_split(dat, test_size = 0.3)

train,test含有feature和label的。

自己写了一个函数：

#X:含label的数据集：分割成训练集和测试集
#test_size:测试集占整个数据集的比例
def trainTestSplit(X,test_size=0.3):
    X_num=X.shape[0]
    train_index=range(X_num)
    test_index=[]
    test_num=int(X_num*test_size)
    for i in range(test_num):
        randomIndex=int(np.random.uniform(0,len(train_index)))
        test_index.append(train_index[randomIndex])
        del train_index[randomIndex]
    #train,test的index是抽取的数据集X的序号
    train=X.ix[train_index] 
    test=X.ix[test_index]
    return train,test