我是 ML 新手，我不明白 sklearn 部分答案

【问题标题】：I am new to ML I dont understand that sklearn part我是 ML 新手，我不明白 sklearn 部分
【发布时间】：2020-03-01 23:41:08
【问题描述】：

我们在第 10 行 train, test = train_test_split(data, test_size=0.2) 做什么？

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB as gnb
from sklearn.metrics import accuracy_score
data = pd.read_csv(r'C:\Users\avina\OneDrive\Desktop\New folder\program2_diabetes-20191105T144141Z-001\program2_diabetes\die.csv')
print (data.describe())

features = ['Pregnancies', 'Glucose', 'BloodPressure', 'SkinThickness', 'BMI', 'Age', 'Insulin', 'DiabetesPedigreeFunction']
target = 'Class'
train, test = train_test_split(data, test_size=0.2)
clf = gnb().fit(train[features], train[target]) 
y_predicted = clf.predict(test[features])
print ("Accuracy ",round(accuracy_score(test[target], y_predicted)*100,2)," %")

【问题讨论】：

我们将数据分成两组，一组进行训练，另一组进行验证。测试大小为总大小的 20%
你检查docs了吗？

标签： python-3.x pandas machine-learning scikit-learn

【解决方案1】：

train, test = train_test_split(data, test_size=0.2)

它将您的数据帧分成 2 个较小的数据帧，一个包含 80% 的原始数据（训练）和 20%（测试）。

您可以检查形状并断言一切都在那里

train.shape[0] + test.shape[0] == data.shape[0]

【讨论】：

【解决方案2】：

这背后的想法是将数据分成两组：

训练集：我们用来训练模型以调整其参数值以调整数据的集。
验证集：我们用来测试我们的模型调整数据性能的集，它以前没有见过。

模型在训练集中的表现仅表明模型对这些数据的优劣，但如果我们想解决模型的泛化问题，我们必须使用新的未见数据对其进行测试。

【讨论】：