本守则是什么意思？（训练测试拆分 Scikit Learn）答案

【问题标题】：What does this Code mean? (Train Test Split Scikitlearn)本守则是什么意思？（训练测试拆分 Scikit Learn）
【发布时间】：2020-01-03 13:21:40
【问题描述】：

无论我走到哪里，我都会看到这段代码。需要帮助理解这一点。

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X,y,testsize = 0.20)

X_train, X_test, y_train, y_test 在这种情况下是什么意思，我应该把 fit() 和 predict() 放进去

【问题讨论】：

标签： python-3.x machine-learning scikit-learn data-science evaluation

【解决方案1】：

简单来说，train_test_split 将您的数据集分为训练数据集和验证数据集。

验证集用于评估给定模型。

所以在这种情况下，验证数据集让我们了解模型性能。

X_train, X_test, y_train, y_test = train_test_split(X,y,testsize = 0.20)

上面一行将数据分成4部分

X_train - 训练数据集
y_train - 训练数据集的 o/p
X_test - 验证数据集
y_test - 验证数据集的 o/p

testsize = 0.2 表示您将拥有 20% 的验证数据和 80% 的训练数据

【讨论】：

【解决方案2】：

`基本上这段代码将你的数据分成两部分。

用于训练
用于测试

在 test_size 变量的帮助下，您可以设置测试数据的大小

将数据分成两部分后，您必须使用 fit() 方法将训练数据拟合到模型中。 `

【讨论】：

【解决方案3】：

正如文档所述，train_test_split 所做的是：Splits arrays or matrices into random train and test subsets。你可以在这里找到它：https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html。我相信正确的关键字参数是test_size，而不是testsize，如果它是float，它是represents the proportion of the dataset to include in the test split，如果它是一个int，它是the absolute number of test samples。 X 和 y 是sequence of indexables with same length / shape[0]，所以基本上是要拆分的数组/列表/矩阵/数据帧。

因此，总而言之，代码将 X 和 y 拆分为随机训练和测试子集（X_train 和 X_test 用于 X，y_train 和 y_test 用于 y）。每个测试子集应包含 20% 的原始数组条目作为测试样本。您应该将_train 子集传递给fit()，将_test 子集传递给predict()。希望对你有帮助~

【讨论】：

所以“x_train”是训练标签和x_test训练目标？这应该使 y_train 测试标签和“y test”测试目标。这是正确的吗？
原始 X 和 y 各自包含什么？如果 X 包含观测值，y 是等效标签，则 X_train 是用于训练的观测值的子集，而 y_train 是它们对应的标签。 X_test 和 y_test 也是如此。
原始 X 包含特征，Y 包含标签（您要预测的）
X = 训练标签示例（颜色、大小、味道）和 y = 训练目标示例（水果）
是的，正如我在修改后的评论中所说的那样：X_train 是用于训练的观察/特征的子集，而 y_train 是它们相应的标签。 X_test 和 y_test 也是如此。因此，为了训练您的模型，您使用 X_train 作为特征，使用 y_train 作为基本事实。同样，在测试时，您使用 X_test 作为特征，使用 y_test 来验证预测的标签。