sklearn之train_test_split()函式各引數含義（非常全）

　　在機器學習中，我們通常將原始資料按照比例分割為“測試集”和“訓練集”，從 sklearn.model_selection 中呼叫train_test_split 函式

　　簡單用法如下：

　　X_train,X_test, y_train, y_test = train_test_split(train_data,train_target,test_size=0.4, random_state=0,stratify=y_train)　　

　　引數說明

• • train_data：所要劃分的樣本特徵集;
  • train_target：所要劃分的樣本結果；
  • test_size：樣本佔比，如果是整數的話就是樣本的數量；
  • random_state：是隨機數的種子。隨機數種子：其實就是該組隨機數的編號，在需要重複試驗的時候，保證得到一組一樣的隨機數。比如你每次都填1，其他引數一樣的情況下你得到的隨機陣列是一樣的。但填0或不填，每次都會不一樣；
  • stratify是為了保持 split 前類的分佈；

　　stratify是為了保持 split 前類的分佈，比如有100個數據，80個屬於A類，20個屬於B類。如果train_test_split(... test_size=0.25, stratify = y_all), 那麼 split 之後資料如下：

　　training: 75個數據，其中60個屬於A類，15個屬於B類。

　　用了stratify引數，training 集和 testing 集的類的比例是 A：B= 4：1，等同於 split 前的比例（80：20）。通常在這種類分佈不平衡的情況下會用到 stratify。

　　將stratify=X就是按照X中的比例分配

　　將stratify=y就是按照y中的比例分配

參考：https://www.cnblogs.com/Yanjy-OnlyOne/p/11288098.html

因上求緣，果上努力~~~~ 作者：Learner-，轉載請註明原文連結：https://www.cnblogs.com/BlairGrowing/p/15963317.html