Python机器学习标签和功能

Question

给定一个具有10,000个观测值和50个功能的数据集，以及一个标签，x_train，y_train，x_test和y_test的尺寸是什么，假设火车/测试拆分为75％/25％？应该是

X_train:(2500, 50)
y_train: (2500, )
X_test: (7500, 50)
y_test: (7500, )

或

X_train: (7500, 50)
y_train: (7500, )
X_test: (2500, 50)
y_test: (2500, )

Answer 1

您可以从sklearn中使用train_test_split看到自己，

import numpy as np
from sklearn.model_selection import train_test_split
n = 10000
p = 50
X = np.random.random((n,p))
y = np.random.randint(0,2,n)
test = 0.25
d = {}
d["X_train"], d["X_test"], d["y_train"], d["y_test"] = train_test_split(X,y,test_size=test)
for split in d:
    print(split, d[split].shape)
X_train (7500, 50)
X_test (2500, 50)
y_train (7500,)
y_test (2500,)

Answer 2

第二个。

假设火车/测试拆分为75％/25％

这意味着数据集的75％用于培训，其余的用于测试。您有10000个观察结果，所以训练是7500，测试2500。

通常，当我们说 A/ B拆分为 X%/ Y%时。这意味着A获取X%，并且B获取Y%。总是。而且，X+Y应为100。

Answer 3

您应该希望用作75％数据的培训集，其余25％为测试集。这通常会给您带来良好的结果。（这也取决于您的数据集卷。）

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, train_size=0.75, random_state=101)
X_train: (7500, 50)
y_train: (7500, )
X_test: (2500, 50)
y_test: (2500, )

考虑火车/测试拆分方法的内部" train_size"one_answers" testrongize"。您可以在此设置其他值。

Random_State参数也用于洗牌数据集零件