scikit-learn数据集拆分

scikit-learn是一个用于机器学习的优秀工具箱。scikit-learn可以轻松地处理数据集并从中训练模型。但是，在训练模型之前，需要将数据集分成训练集和测试集。本文将介绍在scikit-learn中如何拆分数据集。

引入必要的库

from sklearn.model_selection import train_test_split

准备数据集

首先，我们需要有一个数据集。这里我们使用一个例子，数据集包含100个样本，每个样本有10个特征，并且有一个二元分类标签。

import numpy as np

X = np.random.rand(100, 10)
y = np.random.randint(0, 2, size=100)

拆分数据集

接下来，我们可以使用train_test_split函数将数据集分成训练和测试集。train_test_split函数需要输入特征矩阵和标签向量，然后可以选择测试集大小和随机种子。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

在这个例子中，我们选择了一个测试集大小为20%，随机种子为42。

结论

现在，我们成功地将数据集拆分为训练集和测试集。train_test_split函数为我们处理了所有的事情，使得我们可以轻松地进行机器学习模型的训练。