Python中使用sklearn划分训练集与测试集的方法

拾柒

发布时间：2026-10-13| 3人浏览过

原创

本文介绍如何使用Python的sklearn库中的train_test_split函数，将数据集按比例随机划分为训练集和测试集。文章详细解析了该函数的参数用法、返回值含义，并对比了直接传入特征标签与传入含标签数据框的不同处理方式，最后提供了一个自定义划分函数的实现示例，帮助开发者掌握数据预处理的核心技巧。

在sklearn库的cross_validation模块中，提供了一个名为train_test_split的函数，该函数能够将原始数据集按照指定的比例，随机分割为训练集和测试集两部分。

from sklearn.cross_validation import train_test_split
#x为数据集的feature熟悉，y为label.
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3)

调用该函数后，返回的x_train、y_train（以及x_test、y_test）中的索引，对应的是原始输入数据x和y中被抽取出来的样本序号。

如果向train_test_split函数传入的是包含标签的数据结构，可以参考以下代码示例进行操作：

from sklearn.cross_validation import train_test_split
#dat为数据集,含有feature和label.
train, test = train_test_split(dat, test_size = 0.3)

此时，变量train和test中均包含了特征（feature）和标签（label）信息。

此外，还可以自行编写一个函数来实现这一功能，具体实现如下：

#X:含label的数据集：分割成训练集和测试集
#test_size:测试集占整个数据集的比例
def trainTestSplit(X,test_size=0.3):
 X_num=X.shape[0]
 train_index=range(X_num)
 test_index=[]
 test_num=int(X_num*test_size)
 for i in range(test_num):
  randomIndex=int(np.random.uniform(0,len(train_index)))
  test_index.append(train_index[randomIndex])
  del train_index[randomIndex]
 #train,test的index是抽取的数据集X的序号
 train=X.ix[train_index] 
 test=X.ix[test_index]
 return train,test

以上就是关于Python划分数据集为训练集和测试集方法的完整介绍，希望上述内容能对大家的学习或工作提供帮助，同时也欢迎大家继续支持本站获取更多技术分享。