admin 管理员组

文章数量: 887021


2024年1月18日发(作者：javascript书籍免费下载)

sklearn对训练集、测试集、验证集的划分

sklearn中对数据集的划分通常是使用train_test_split函数实现的，该函数的主要参数包括：

1. test_size：测试集占总数据集的比例，默认值为0.25。

2. train_size：训练集占总数据集的比例，默认值为None，此时默认为1-test_size。

3. random_state：随机数种子，保证每次划分的结果相同，默认为None。

4. shuffle：是否洗牌，默认为True。

5. stratify：按照某个标签进行分层抽样，保证各标签在训练集和测试集中的比例相同，默认为None。

代码示例：

```python。

from _selection import train_test_split。

#X为样本特征，y为样本标签。

# test_size表示测试集所占比例，random_state是随机数种子。

X_train, X_test, y_train, y_test = train_test_split(X, y,

test_size=0.3, random_state=0)。

#如果需要划分验证集，可以如下操作。

X_trainval, X_test, y_trainval, y_test = train_test_split(X,

y, test_size=0.3, random_state=0)。

X_train, X_val, y_train, y_val = train_test_split(X_trainval,

y_trainval, test_size=0.2, random_state=0)。


本文标签： 测试 划分 比例 保证 函数

版权声明：本文标题：sklearn对训练集、测试集、验证集的划分 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/jishu/1705549864h489519.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。