sklearn的train | 您所在的位置:网站首页 › irr函数的功能函数命令以及各参数含义 › sklearn的train |
sklearn之train_test_split()函数各参数含义(非常全) 在机器学习中,我们通常将原始数据按照比例分割为“测试集”和“训练集”,从 sklearn.model_selection 中调用train_test_split 函数 简单用法如下: X_train,X_test, y_train, y_test = train_test_split(train_data,train_target,test_size=0.4, random_state=0,stratify=y_train) 参数说明 train_data:所要划分的样本特征集; train_target:所要划分的样本结果; test_size:样本占比,如果是整数的话就是样本的数量; random_state:是随机数的种子。随机数种子:其实就是该组随机数的编号,在需要重复试验的时候,保证得到一组一样的随机数。比如你每次都填1,其他参数一样的情况下你得到的随机数组是一样的。但填0或不填,每次都会不一样; stratify是为了保持 split 前类的分布;stratify是为了保持 split 前类的分布,比如有100个数据,80个属于A类,20个属于B类。如果train_test_split(... test_size=0.25, stratify = y_all), 那么 split 之后数据如下: training: 75个数据,其中60个属于A类,15个属于B类。 testing: 25个数据,其中20个属于A类,5个属于B类。 用了stratify参数,training 集和 testing 集的类的比例是 A:B= 4:1,等同于 split 前的比例(80:20)。通常在这种类分布不平衡的情况下会用到 stratify。 将stratify=X就是按照X中的比例分配 将stratify=y就是按照y中的比例分配 参考:https://www.cnblogs.com/Yanjy-OnlyOne/p/11288098.html 因上求缘,果上努力~~~~ 作者:Learner-,转载请注明原文链接:https://www.cnblogs.com/BlairGrowing/p/15963317.html 原文地址:https://www.cnblogs.com/BlairGrowing/p/15963317.html |
CopyRight 2018-2019 实验室设备网 版权所有 |