在 python 中测试火车拆分答案

【问题标题】：Test Train Split in python在 python 中测试火车拆分
【发布时间】：2018-01-23 20:05:14
【问题描述】：

test_size,random_state 和 stratify 在 python 中的训练测试拆分中是什么意思？

我的代码如下：

from sklearn.cross_validation import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y,test_size = 0.25, random_state =0)

knn = KNeighborsClassifier()
knn.fit(X_train, Y_train)



from sklearn.cross_validation import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y,stratify=Y, random_state=42)

knn = KNeighborsClassifier()
knn.fit(X_train, Y_train)

【问题讨论】：

标签： training-data

【解决方案1】：

test_size : float, int, None, optional

如果是float，应该在0.0到1.0之间，代表比例要包含在测试拆分中的数据集。如果是 int，则表示测试样本的绝对数量。如果为 None，则将该值设置为火车尺寸的补充。默认情况下，该值设置为 0.25。默认值将在 0.21 版本中更改。只有当它保持 0.25 train_size 未指定，否则补指定火车尺寸。

train_size : float, int, or None, default None

如果是float，应该在0.0到1.0之间，代表比例要包含在火车拆分中的数据集。如果是 int，则表示训练样本的绝对数量。如果没有，值是自动的设置为测试大小的补码。

random_state : int, RandomState instance or None, optional (default=None)

如果是int，则random_state是随机数生成器使用的种子；如果是 RandomState 实例，则 random_state 是随机数生成器；如果没有，随机数生成器是使用的 RandomState 实例通过 np.random。

你可以在http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html的文档中找到所有这些解释

【讨论】：