如何在 sklearn 中获得非洗牌的 train_test_split

Question

如果我想要随机训练/测试拆分，我使用 sklearn 辅助函数：

In [1]: from sklearn.model_selection import train_test_split
   ...: train_test_split([1,2,3,4,5,6])
   ...:
Out[1]: [[1, 6, 4, 2], [5, 3]]

获得非洗牌训练/测试拆分的最简洁方法是什么，即

[[1,2,3,4], [5,6]]

编辑目前我正在使用

train, test = data[:int(len(data) * 0.75)], data[int(len(data) * 0.75):] 

但希望有更好的东西。我在 sklearn 上打开了一个问题 https://github.com/scikit-learn/scikit-learn/issues/8844

编辑 2：我的 PR 已经合并，在 scikit-learn 0.19 版本中，您可以将参数 shuffle=False 传递给 train_test_split 以获得非随机拆分。

Answer 1

除了易于复制的粘贴功能外，我不会对 Psidom 的回答添加太多内容：

def non_shuffling_train_test_split(X, y, test_size=0.2):
    i = int((1 - test_size) * X.shape[0]) + 1
    X_train, X_test = np.split(X, [i])
    y_train, y_test = np.split(y, [i])
    return X_train, X_test, y_train, y_test

更新： 在某些时候，此功能已内置，所以现在您可以这样做：

from sklearn.model_selection import train_test_split
train_test_split(X, y, test_size=0.2, shuffle=False)

Answer 2

你需要做的就是将shuffle参数设置为False，将stratify参数设置为None：

    In [49]: train_test_split([1,2,3,4,5,6],shuffle = False, stratify = None)
    Out[49]: [[1, 2, 3, 4], [5, 6]]

Answer 3

使用numpy.split:

import numpy as np
data = np.array([1,2,3,4,5,6])

np.split(data, [4])           # modify the index here to specify where to split the array
# [array([1, 2, 3, 4]), array([5, 6])]

如果要按百分比拆分，可以根据数据的形状计算拆分指数：

data = np.array([1,2,3,4,5,6])
p = 0.6

idx = int(p * data.shape[0]) + 1      # since the percentage may end up to be a fractional 
                                      # number, modify this as you need, usually shouldn't
                                      # affect much if data is large
np.split(data, [idx])
# [array([1, 2, 3, 4]), array([5, 6])]