等效于Python中的createDataPartition

Question

我试图重现R的createDataPartition函数在python中的行为。我有一个用布尔目标变量进行机器学习的数据集。我想在训练集（60％）和测试集（40％）中分割我的数据集。

如果我这样做是完全随机的，我的目标变量将无法在两组之间正确分配。

我使用实现它在R：

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

我怎么可以这样做在Python？

PS：我使用scikit-learn作为我的机器学习lib和python熊猫。

Answer 1

在scikit学习，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) 

这打破了以

• 输入的数据进行训练
• 输入，用于评估数据
• 输出为培训数据
• 输出评估数据

。您还可以添加一个关键字参数：test_size = 0.25改变用于训练的数据的百分比和测试

要拆分单一数据集，你可以使用这样的呼吁得到40％的测试数据：

>>> 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