sklearn.model_selection.train_test_split随机划分训练集和测试集

1 函数用途

train_test_split()是交叉验证中常用的函数，功能是将数组或矩阵按比例随机划分为训练集和测试集，使用方法为：

X_train,X_test, y_train, y_test =cross_validation.train_test_split(train_data,train_target,test_size=0.4, random_state=0, shuffle=True)

2 参数解释：

• 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：如果为小数则代表样本占比（0到1），如果是整数则代表样本的数量，默认为0.25
• random_state：是随机数的种子，默认为None。如果种子相同，则随机数相同，如果种子不同，则随机数不同。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，则代表随机数的种子是一个随机值，每次结果都不同。
• shuffle：划分前是否对数组或矩阵进行洗牌，默认为True。

import numpy as np
from sklearn.model_selection import train_test_split
X = np.arange(10).reshape((5, 2))
y = range(5)

其中X，y分别为：

X= [[0 1]
 [2 3]
 [4 5]
 [6 7]
 [8 9]]

y= [0, 1, 2, 3, 4]

对数据集进行划分，训练集占70%，测验集占30%，固定随机数的种子，划分前不重新洗牌：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=1,shuffle=False)

划分完的数据集如下：

X_train= [[0 1]
 [2 3]
 [4 5]]

y_train= [0, 1, 2]

X_test= [[6 7]
 [8 9]]

y_test= [3, 4]