您好,登錄后才能下訂單哦!
在處理數(shù)據(jù)過(guò)程中經(jīng)常要把數(shù)據(jù)集切分為訓(xùn)練集和測(cè)試集,因此記錄一下切分代碼。
''' data:數(shù)據(jù)集 test_ratio:測(cè)試機(jī)占比 如果data為numpy.numpy.ndarray直接使用此代碼 如果data為pandas.DatFrame類型則 return data[train_indices],data[test_indices] 修改為 return data.iloc[train_indices],data.iloc[test_indices] ''' def split_train(data,test_ratio): shuffled_indices=np.random.permutation(len(data)) test_set_size=int(len(data)*test_ratio) test_indices =shuffled_indices[:test_set_size] train_indices=shuffled_indices[test_set_size:] return data[train_indices],data[test_indices]
測(cè)試代碼如下:
import numpy as np import pandas as pd data=np.random.randint(100,size=[25,4]) print(data)
結(jié)果如下:
從上圖可以看出,原數(shù)據(jù)集按照5:1被隨機(jī)分為兩部分。但是此種方法存在一個(gè)缺點(diǎn)–每次調(diào)用次函數(shù)切分同一個(gè)數(shù)據(jù)集切分出來(lái)的結(jié)果都不一樣,因此常在np.random.permutation(len(data))先調(diào)用np.random.seed(int)函數(shù),來(lái)確保每次切分來(lái)的結(jié)果相同。
因此將上述函數(shù)改為:
def split_train(data,test_ratio): np.random.seed(43) shuffled_indices=np.random.permutation(len(data)) test_set_size=int(len(data)*test_ratio) test_indices =shuffled_indices[:test_set_size] train_indices=shuffled_indices[test_set_size:] return data[train_indices],data[test_indices]
這個(gè)函數(shù)np.random.seed(43)當(dāng)參數(shù)為同一整數(shù)時(shí)產(chǎn)生的隨機(jī)數(shù)相同。
以上這篇Python數(shù)據(jù)集切分實(shí)例就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持億速云。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。