train_test_split

sklearn.model_selection.train_test_split(*arrays, test_size=None, train_size=None, random_state=None, shuffle=True, stratify=None)[исходный код]

Разделяет массивы или матрицы на случайные обучающую и тестовую подвыборки.

Удобная функция, которая объединяет проверку входных данных, next(ShuffleSplit().split(X, y)) и применение к входным данным в один вызов, позволяя разделить (и при необходимости уменьшить выборку) данные одной строкой кода.

Подробнее см. в руководстве пользователя.

Параметры:

*arraysпоследовательность индексируемых объектов одинаковой длины / shape[0]

Допустимые типы входных данных: списки, массивы numpy, разреженные матрицы scipy или таблицы данных pandas.

test_sizeвещественное число или целое число, по умолчанию=None

Если задано вещественное число, оно должно находиться в диапазоне от 0.0 до 1.0 и задавать долю набора данных, включаемую в тестовую выборку. Если задано целое число, оно задаёт абсолютное количество тестовых образцов. Если значение равно None, оно устанавливается равным дополнению до размера обучающей выборки. Если train_size также равно None, будет установлено значение 0.25.

train_sizeвещественное число или целое число, по умолчанию=None

Если задано вещественное число, оно должно находиться в диапазоне от 0.0 до 1.0 и задавать долю набора данных, включаемую в обучающую выборку. Если задано целое число, оно задаёт абсолютное количество обучающих образцов. Если значение равно None, оно автоматически устанавливается равным дополнению до размера тестовой выборки.

random_stateцелое число, экземпляр RandomState или None, по умолчанию=None

Управляет перемешиванием данных перед их разделением. Передайте целое число, чтобы получать воспроизводимый результат при нескольких вызовах функции. См. глоссарий.

shufflebool, по умолчанию=True

Определяет, следует ли перемешивать данные перед разделением. Если shuffle=False, то stratify должно быть равно None.

stratifyобъект, подобный массиву, по умолчанию=None

Если значение не равно None, данные разделяются стратифицированным способом, а этот параметр используется в качестве меток классов. Подробнее см. в руководстве пользователя.

Возвращает:

splittingсписок, длина=2 * len(arrays)

Список, содержащий разделённые на обучающую и тестовую выборки входные данные.

Добавлено в версии 0.16: Если входные данные разреженные, результатом будет scipy.sparse.csr_matrix. В противном случае тип результата совпадает с типом входных данных.

Примеры

>>> import numpy as np
>>> from sklearn.model_selection import train_test_split
>>> X, y = np.arange(10).reshape((5, 2)), range(5)
>>> X
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])
>>> list(y)
[0, 1, 2, 3, 4]

>>> X_train, X_test, y_train, y_test = train_test_split(
...     X, y, test_size=0.33, random_state=42)
...
>>> X_train
array([[4, 5],
       [0, 1],
       [6, 7]])
>>> y_train
[2, 0, 3]
>>> X_test
array([[2, 3],
       [8, 9]])
>>> y_test
[1, 4]

>>> train_test_split(y, shuffle=False)
[[0, 1, 2], [3, 4]]

>>> from sklearn import datasets
>>> iris = datasets.load_iris(as_frame=True)
>>> X, y = iris['data'], iris['target']
>>> X.head()
    sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)
0                5.1               3.5                1.4               0.2
1                4.9               3.0                1.4               0.2
2                4.7               3.2                1.3               0.2
3                4.6               3.1                1.5               0.2
4                5.0               3.6                1.4               0.2
>>> y.head()
0    0
1    0
2    0
3    0
4    0
...

>>> X_train, X_test, y_train, y_test = train_test_split(
... X, y, test_size=0.33, random_state=42)
...
>>> X_train.head()
    sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)
96                 5.7               2.9                4.2               1.3
105                7.6               3.0                6.6               2.1
66                 5.6               3.0                4.5               1.5
0                  5.1               3.5                1.4               0.2
122                7.7               2.8                6.7               2.0
>>> y_train.head()
96     1
105    2
66     1
0      0
122    2
...
>>> X_test.head()
    sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)
73                 6.1               2.8                4.7               1.2
18                 5.7               3.8                1.7               0.3
118                7.7               2.6                6.9               2.3
78                 6.0               2.9                4.5               1.5
76                 6.8               2.8                4.8               1.4
>>> y_test.head()
73     1
18     0
118    2
78     1
76     1
...