python 划分数据集为训练集和测试集的方法
2018-12-11 20:02
856 查看
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
以上这篇python 划分数据集为训练集和测试集的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
您可能感兴趣的文章:
相关文章推荐
- python 划分数据集为训练集和测试集
- [机器学习]划分训练集和测试集的方法
- sklearn.model_selection中的train_test_split使用方法,分割数据集,划分训练集和测试集
- Python数据预处理—训练集和测试集数据划分
- 使用Java随机划分数据集为训练集和测试集
- 【七】机器学习之路——训练集、测试集及如何划分
- 1.1 图像分类:数据驱动的方法,k-近邻,划分训练集/验证集/测试集
- 十折交叉验证10-fold cross validation, 数据集划分 训练集 验证集 测试集
- Python读取数据集并消除数据中的空行方法
- Sklearn-train_test_split随机划分训练集和测试集
- 十折交叉验证10-fold cross validation, 数据集划分 训练集 验证集 测试集
- 【机器学习算法-python实现】决策树-Decision tree(1) 信息熵划分数据集
- Python数据预处理(包括处理数据离散值和归一化,分开处理训练集与测试集)
- Sklearn-train_test_split随机划分训练集和测试集
- 机器学习中训练集、验证集(开发集)、测试集如何划分
- python划分训练集和测试集
- 机器学习数据集划分-训练集,验证集,测试集
- Matlab划分测试集和训练集
- r语言中怎么划分训练集和测试集
- python 实现对数据集的归一化的方法(0-1之间)