Blair

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