训练集测试集的划分-Python

#训练集和测试集的划分
第一种方法
random.seed(seed) 前闭后闭 [a, b]
np.random.seed(seed) 前闭后开 [low, high) 或 [0, low)，可指定抽样的大小

import random
def splitData(data,k,seed,M=8):print("训练数据集与测试数据集划分...")train,test = {},{}random.seed(seed) #指定seed的话，每次后面的随机数产生的都是一样的顺序,for user,item,record in data:if random.randint(0,M) == k: ##随机数产生顺序一样,随机产生（0，m）之间的数，只有一个可以分给测试集，另外的m-1都分给训练集test.setdefault(user,{})test[user][item] = recordelse:train.setdefault(user,{})train[user][item] = recordreturn train,testtrainData,testData = splitData(data,4,23)

第二种方法：内置函数，调用sklearn包

test_size样本占比，如果是整数的话就是样本的数量
random_state设置是为了每次生成的数据都相同

from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(news.data,news.target,test_size=0.25,random_state=33)

若train_test_split传入的是带有label的数据，则如下代码：

from sklearn.model_selection import train_test_split
train,test=train_test_split(df_data,test_size=0.3,random_state=7)

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！