Python train_test_split() 函数：划分特征数据集和目标变量数据集

Python train_test_split() 函数：划分特征数据集和目标变量数据集

代码 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) 使用 train_test_split 函数将特征数据集 X 和目标变量数据集 y 划分为训练集 (X_train 和 y_train) 和测试集 (X_test 和 y_test)。

划分方式

• X: 特征数据集，包含所有样本的特征信息。
• y: 目标变量数据集，包含对应样本的目标变量信息。
• test_size=0.2: 指定测试集的比例为 20%，即数据集中的 20% 作为测试集，80% 作为训练集。
• random_state=42: 指定随机种子，保证每次运行代码得到的划分结果相同。

划分结果

• X_train 和 y_train 为训练集的特征数据集和目标变量数据集。
• X_test 和 y_test 为测试集的特征数据集和目标变量数据集。

总结

train_test_split 函数是机器学习中常用的数据划分工具，可以方便地将数据集划分为训练集和测试集，以便训练模型并评估模型性能。