sklearnのtrain_test_split

 
train_test_split関数は、マトリクスをランダムにトレーニングサブセットとテストサブセットに分割し、分割されたトレーニングセットテストセットサンプルとトレーニングセットテストセットラベルを返すために使用されます.
書式:
X_train,X_test, y_train, y_test =cross_validation.train_test_split(train_data,train_target,test_size=0.3, random_state=0)
 
パラメータの説明:
train_data:分割されたサンプルフィーチャーセット
train_target:分割されたサンプルラベル
test_size:浮動小数点数の場合、0-1の間で、サンプルの割合を表します.整数ならサンプルの数です
random_state:乱数のシードです.
乱数シード:実はこのグループの乱数の番号で、繰り返し試験が必要な場合、同じ乱数を得ることを保証します.例えば、毎回1を記入し、他のパラメータが同じ場合、あなたが得たランダム配列は同じです.しかし、0を記入するか、記入しないかは、毎回違います.
乱数の生成は、シード、乱数、シードの関係によって異なります.
種子が異なり、異なる乱数を生成する.シードは同じで、インスタンスが異なる場合でも同じ乱数を生成します.
例
 

>>> import numpy as np
>>> from sklearn.model_selection import train_test_split >>> X, y = np.arange(10).reshape((5, 2)), range(5) >>> X array([[0, 1],  [2, 3],  [4, 5],  [6, 7],  [8, 9]]) >>> list(y) [0, 1, 2, 3, 4] 

>>>

>>> X_train, X_test, y_train, y_test = train_test_split( ... X, y, test_size=0.33, random_state=42) ... >>> X_train array([[4, 5],  [0, 1],  [6, 7]]) >>> y_train [2, 0, 3] >>> X_test array([[2, 3],  [8, 9]]) >>> y_test [1, 4]

 ：https://www.cnblogs.com/bonelee/p/8036024.html