网站开发 托管合同,网站的建设意见,桂林卖手机网站,网站建设的作用和意义当我们拿到数据集时#xff0c;首先需要对数据集进行划分训练集和测试集#xff0c;sklearn提供了相应的函数供我们使用
一、讲解
快速随机划分数据集#xff0c;可自定义比例进行划分训练集和测试集
二、官网API
官网API
sklearn.model_selection.train_test_split(*a…当我们拿到数据集时首先需要对数据集进行划分训练集和测试集sklearn提供了相应的函数供我们使用
一、讲解
快速随机划分数据集可自定义比例进行划分训练集和测试集
二、官网API
官网API
sklearn.model_selection.train_test_split(*arrays, test_sizeNone, train_sizeNone, random_stateNone, shuffleTrue, stratifyNone)导包from sklearn.model_selection import train_test_split
为了方便说明这里以一个具体的案例进行分析 织物起球等级评定已知织物起球个数N、织物起球总面积S、织物起球最大面积Max_s、织物起球平均面积Aver_s、对比度C、光学体积V这六个特征参数来确定最终的织物起球等级Grade
说白了六个特征N、S、Max_s、Aver_s、C、V来确定最终的等级Grade 数据集可以自己简单整个csv格式即可我这里使用的是6个自变量X和1个因变量Y
参数
①*arrays
传入因变量和自变量 这里的因变量为六个特征N、S、Max_s、Aver_s、C、V 自变量为最终评定的等级Grade
具体官网详情如下
②test_size
若给该参数传入float浮点数则范围为[0.0,1.0]表示测试集的比例 若给该参数传入int整型数则表示测试集样本的具体数量 若为None则设置为train_size参数的补数形式
若该test_size参数和train_size参数的值均为None则该test_size设置为0.25按float浮点型对待
具体官网详情如下
③train_size
若给该参数传入float浮点数则范围为[0.0,1.0]表示训练集的比例 若给该参数传入int整型数则表示训练集样本的具体数量 若为None则设置为test_size参数的补数形式 该参数跟test_size类似
具体官网详情如下
④random_state
随机种子random_state如果要是为了对比需要控制变量的话这里的随机种子最好设置为同一个整型数
具体官网详情如下
⑤shuffle
是否在分割前对数据进行洗牌 如果 shuffleFalse 则 stratify 必须为 None
具体官网详情如下
⑥stratify
如果不是 “None”数据将以分层方式分割并以此作为类别标签
具体官网详情如下
返回值
splitting
返回一个包含训练和测试分割之后的列表
具体官网详情如下
三、项目实战
①导包
若导入过程报错pip安装即可
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.model_selection import train_test_split②加载数据集
数据集可以自己简单整个csv格式即可我这里使用的是6个自变量X和1个因变量Y 通过pandas读入文本数据集展示前五行数据
fiber pd.read_csv(./fiber.csv)
fiber.head(5) #展示下头5条数据信息③划分数据集
前六列是自变量X最后一列是因变量Y
参数 test_size测试集数据所占比例这里是0.25表示测试集占总数据集的25% train_size训练集数据所占比例这里是0.75表示训练集占总数据集的75% random_state随机种子为了控制变量 shuffle是否将数据进行打乱 因为我这里的数据集共48个训练集0.75测试集0.25即训练集36个测试集12个
返回值 依此返回四个list分别为训练集的自变量、测试集的自变量、训练集的因变量和测试集的因变量分别通过X_train, X_test, y_train, y_test进行接收
X fiber.drop([Grade], axis1)
Y fiber[Grade]X_train, X_test, y_train, y_test train_test_split(X,Y,train_size0.75,test_size0.25,random_state42,shuffleTrue)print(X_train.shape) #(36,6)
print(y_train.shape) #(36,)
print(X_test.shape) #(12,6)
print(y_test.shape) #(12,)根据返回的四个list的shape可以看到数据集已经成功按自定义需求划分
⑤完整代码
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.model_selection import train_test_splitfiber pd.read_csv(./fiber.csv)
fiber.head(5) #展示下头5条数据信息X fiber.drop([Grade], axis1)
Y fiber[Grade]X_train, X_test, y_train, y_test train_test_split(X,Y,train_size0.75,test_size0.25,random_state42,shuffleTrue)print(X_train.shape) #(36,6)
print(y_train.shape) #(36,)
print(X_test.shape) #(12,6)
print(y_test.shape) #(12,)
