等效於Python中的createDataPartition

Question

我試圖重現R的createDataPartition函數在python中的行爲。我有一個用布爾目標變量進行機器學習的數據集。我想在訓練集（60％）和測試集（40％）中分割我的數據集。

如果我這樣做是完全隨機的，我的目標變量將無法在兩組之間正確分配。

我使用實現它在R：

inTrain <- createDataPartition(y=data$repeater, p=0.6, list=F) 
training <- data[inTrain,] 
testing <- data[-inTrain,] 

我怎麼可以這樣做在Python？

PS：我使用scikit-learn作爲我的機器學習lib和python熊貓。

Answer 1

在scikit學習，你得到的工具train_test_split

from sklearn.cross_validation import train_test_split 
from sklearn import datasets 

# Use Age and Weight to predict a value for the food someone chooses 
X_train, X_test, y_train, y_test = train_test_split(table['Age', 'Weight'], 
                table['Food Choice'], 
                test_size=0.25) 

# Another example using the sklearn pre-loaded datasets: 
iris = datasets.load_iris() 
X_iris, y_iris = iris.data, iris.target 
X, y = X_iris[:, :2], y_iris 
X_train, X_test, y_train, y_test = train_test_split(X, y) 

這打破了以

• 輸入的數據進行訓練
• 輸入，用於評估數據
• 輸出爲培訓數據
• 輸出評估數據

。您還可以添加一個關鍵字參數：test_size = 0.25改變用於訓練的數據的百分比和測試

要拆分單一數據集，你可以使用這樣的呼籲得到40％的測試數據：

>>> data = np.arange(700).reshape((100, 7)) 
>>> training, testing = train_test_split(data, test_size=0.4) 
>>> print len(data) 
100 
>>> print len(training) 
60 
>>> print len(testing) 
40