机器学习好伙伴之scikit-learn的使用——训练集与测试集的划分

￡神魔★判官ぃ 2024-04-18 10:19 71阅读 0赞

### 机器学习好伙伴之scikit-learn的使用——训练集与测试集的划分 ###

*  什么是训练集与测试集
 *  划分常用函数train\_test\_split()
 *  应用示例

从今天开始就要学习scikit-learn的使用了，要加油噢。  
![在这里插入图片描述][20190723133055850.jpg_pic_center]

# 什么是训练集与测试集 #

全部数据进行数据拆分后可以得到训练集与测试集。  
训练集：代表用于训练模型的子集。  
测试集：代表用于测试训练后模型的子集。  
其分开的意义相当于将作业与考试分开，作业相当于训练集，考试相当于测试集，平时状态下，学生用作业进行训练，利用考试进行打分。  
其分开比例常常为：  
训练/测试 = 7/3。

# 划分常用函数train\_test\_split() #

利用如下函数，可以载入相关模块：

from sklearn.model_selection import train_test_split

具体使用方式如下：

X_train,X_test, y_train, y_test = train_test_split(
    	train_data,
    	train_target,
    	test_size=0.3, 
    	random_state=0
    )

其中常用参数为：  
**1、train\_data：进行划分的样本的特征集合  
2、train\_target：进行划分的样本的标签集合  
3、test\_size：在0-1之间时，表示测试样本占比；是整数的话，就代表测试样本的数量。  
4、random\_state：随机数的种子。**  
**随机数种子指的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。**  
假设random\_state = 1，其他参数一样的情况下，随机数组是一样的。  
但填0或不填，每次都不一样。  
**随机数的产生取决于种子：**  
种子不同，产生不同的随机数；  
种子相同，即使实例不同也产生相同的随机数。

# 应用示例 #

实现代码为：

import numpy as np
    from sklearn import datasets
    from sklearn.model_selection import train_test_split
    from sklearn.neighbors import KNeighborsClassifier
    
    # 用于获取iris花的分类样本
    iris = datasets.load_iris()
    # 取得特征
    iris_X = iris.data
    # 取得标签
    iris_Y = iris.target
    
    # 进行数据集划分
    X_train, X_test, y_train, y_test = train_test_split(iris_X, iris_Y, test_size=0.3)
    
    # 利用K聚类算法进行分类
    knn = KNeighborsClassifier()
    knn.fit(X_train, y_train)
    print(y_test)
    print(knn.predict(X_test))

实验结果为：

[0 2 1 1 1 1 1 1 1 2 0 1 1 2 0 1 2 0 0 2 2 2 1 2 1 2 2 1 1 0 2 2 1 2 1 2 0
     2 0 1 0 0 1 2 0]
    [0 2 1 1 1 1 1 1 2 2 0 2 1 2 0 1 2 0 0 2 2 2 1 2 1 2 2 1 1 0 2 2 2 2 1 2 0
     2 0 1 0 0 1 2 0]

由此可见具有一定的准确度。

[20190723133055850.jpg_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/86e7ce146ea5456ab7e174dd7e85f6f5.jpg