sklearn 劃分數據集。

1.sklearn.model_selection.train_test_split隨機劃分訓練集和測試集

　　　　　

 

　　　　函數原型：

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

　　　　參數解釋：　

　　train_data：所要劃分的樣本特徵集

　　train_target：所要劃分的樣本結果

　　test_size：樣本佔比，若是是整數的話就是樣本的數量

　　random_state：是隨機數的種子。

　　　  隨機數種子的意義在於，如何區分這個數據集，徹底是按照隨機數種子來決定，至於怎麼決定，咱們其實並不關心，好比你分了兩次，隨機種子都是0，那麼你獲得的兩次劃分也必定是同樣的。

　　

 

 

 1     fromsklearn.cross_validation import train_test_split  
 2     train= loan_data.iloc[0: 55596, :]  
 3     test= loan_data.iloc[55596:, :]  
 4     # 避免過擬合，採用交叉驗證，驗證集佔訓練集20%，固定隨機種子（random_state)  
 5     train_X,test_X, train_y, test_y = train_test_split(train,  
 6                                                        target,  
 7                                                        test_size = 0.2,  
 8                                                        random_state = 0)  
 9     train_y= train_y['label']  
10     test_y= test_y['label']  

 

、

　　2. kl-fold 劃分

• 將所有訓練集S分紅k個不相交的子集，假設S中的訓練樣例個數爲m，那麼每個本身有m/k個訓練樣例，相應的子集爲{s₁，s₂，...，s_k}
• 每次從分好的子集裏面，拿出一個做爲測試集，其餘k-1個做爲訓練集
• 在k-1個訓練集上訓練出學習器模型
• 把這個模型放到測試集上，獲得分類率的平均值，做爲該模型或者假設函數的真實分類率

這個方法充分利用了因此樣本，但計算比較繁瑣，須要訓練k次，測試k次

　　

import numpy as np
#KFold
from sklearn.model_selection import KFold
X=np.array([[1,2],[3,4],[5,6],[7,8],[9,10],[11,12]])
y=np.array([1,2,3,4,5,6])
kf=KFold(n_splits=2)    #分紅幾個組
kf.get_n_splits(X)
print(kf)

for train_index,test_index in kf.split(X):
    print("Train Index:",train_index,",Test Index:",test_index)
    X_train,X_test=X[train_index],X[test_index]
    y_train,y_test=y[train_index],y[test_index]
    #print(X_train,X_test,y_train,y_test)
#KFold(n_splits=2, random_state=None, shuffle=False) #Train Index: [3 4 5] ,Test Index: [0 1 2] #Train Index: [0 1 2] ,Test Index: [3 4 5]

 

more:http://www.cnblogs.com/nolonely/p/7007432.html