scikit learn：train_test_split，我可以确保在不同的数据集上进行相同的拆分

2 回答

• 6

  是的，随机状态就足够了 .

  >>> X, y = np.arange(10).reshape((5, 2)), range(5)
  >>> X2 = np.hstack((X,X))
  >>> X_train, X_test, _, _ = train_test_split(X,y, test_size=0.33, random_state=42)
  >>> X_train2, X_test2, _, _ = train_test_split(X2,y, test_size=0.33, random_state=42)
  >>> X_train
  array([[4, 5],
         [0, 1],
         [6, 7]])
  >>> X_train2
  array([[4, 5, 4, 5],
         [0, 1, 0, 1],
         [6, 7, 6, 7]])
  >>> X_test
  array([[2, 3],
         [8, 9]])
  >>> X_test2
  array([[2, 3, 2, 3],
         [8, 9, 8, 9]])
  

  回复于 2024-04-19T17:51:28+08:00
• 2

  查看 train_test_split 函数的代码，它会在每次调用时在函数内设置随机种子 . 因此每次都会产生相同的分割 . 我们可以检查这很简单

  X1 = np.random.random((200, 5))
  X2 = np.random.random((200, 5))
  y = np.arange(200)
  
  X1_train, X1_test, y1_train, y1_test = model_selection.train_test_split(X1, y,
                                                                          test_size=0.1,
                                                                          random_state=42)
  X2_train, X2_test, y2_train, y2_test = model_selection.train_test_split(X1, y,
                                                                          test_size=0.1,
                                                                          random_state=42)
  
  print np.all(y1_train == y2_train)
  print np.all(y1_test == y2_test)
  

  哪个输出：

  True
  True
  

  哪个好！解决此问题的另一种方法是在所有功能上创建一个训练和测试分割，然后在训练之前分割您的功能 . 但是，如果您想要训练集中的测试功能，那么您可以使用 StratifiedShuffleSplit 函数返回属于每个集合的数据的索引 . 例如：

  n_splits = 1 
  sss = model_selection.StratifiedShuffleSplit(n_splits=n_splits, 
                                               test_size=0.1,
                                               random_state=42)
  train_idx, test_idx = list(sss.split(X, y))[0]
  

  回复于 2024-04-19T17:51:28+08:00