Python分割训练集和测试集的方法示例
数据集介绍
使用数据集Wine，来自UCI 。包括178条样本，13个特征。
import pandas as pd
import numpy as np
df_wine = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data', header=None)
df_wine.columns = ['Class label', 'Alcohol',
'Malic acid', 'Ash',
'Alcalinity of ash', 'Magnesium',
'Total phenols', 'Flavanoids',
'Nonflavanoid phenols',
'Proanthocyanins',
'Color intensity', 'Hue',
'OD280/OD315 of diluted wines',
'Proline']
分割训练集和测试集
随机分割
分为训练集和测试集
方法：使用scikit-learn中model_selection子模块的train_test_split函数
from sklearn.model_selection import train_test_split X, y = df_wine.ix[:, 1:].values, df_wine.ix[:, 0].values X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)#随机选择25%作为测试集，剩余作为训练集
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持小牛知识库。
-
本文向大家介绍python 划分数据集为训练集和测试集的方法，包括了python 划分数据集为训练集和测试集的方法的使用技巧和注意事项，需要的朋友参考一下 sklearn的cross_validation包中含有将数据集按照一定的比例，随机划分为训练集和测试集的函数train_test_split 得到的x_train,y_train（x_test,y_test）的index对应的是x,y中被抽取
-
问题内容： 我有一个很大的数据集，想将其分为训练（50％）和测试集（50％）。 假设我有100个示例存储了输入文件，每一行包含一个示例。我需要选择50条线作为训练集和50条线测试集。 我的想法是首先生成一个长度为100（值范围从1到100）的随机列表，然后将前50个元素用作50个训练示例的行号。与测试集相同。 这可以在Matlab中轻松实现 但是如何在Python中完成此功能？我是Python的新
-
问题内容： 将NumPy数组随机分为训练和测试/验证数据集的好方法是什么？与Matlab中的或函数类似。 问题答案： 如果要将数据集分成两半，可以使用，或者需要跟踪索引： 要么 有多种方法可以重复分区同一数据集以进行交叉验证。一种策略是从数据集中重复采样： 最后，sklearn包含几种交叉验证方法（k折，nave -n-out等）。它还包括更高级的“分层抽样”方法，这些方法创建了针对某些功能平衡的
-
我刚刚开始使用R，我不确定如何将我的数据集与以下示例代码结合起来： 我有一个数据集，我需要将其放入训练（75%）和测试（25%）集中。我不确定应该将哪些信息放入x和大小？x是数据集文件吗？我有多少样本？
-
我有一堆gps坐标。这些坐标来自一个我知道精确gps坐标的特定位置。 在neuroph中，我使用多层感知器，使用2输入2输出。而在训练数据中，我使用我收集的数据中的坐标作为输入，输出层是精确坐标的gps数据。当我开始训练的时候，它不会知道为什么？我只需要知道如何将它们作为输入和输出输入到训练数据中。
-
本文向大家介绍检测20类物体，多少张训练集，怎么训练相关面试题，主要包含被问及检测20类物体，多少张训练集，怎么训练时的应答技巧和注意事项，需要的朋友参考一下 参考回答： 多分类问题，保证各类别的样例比，提取特征，用libsvm等做多分类。