机器学习，跨个体数据集如何划分

Question

如何实现跨个体的数据集划分，比如有16个人的数据集，将其中一人的数据集作为测试，其余15人数据集做训练集，train_test_split是不是只能做个体内数据集的划分？如果可以，该怎么设置参数哇

Answer 1

【相关推荐】

• 这篇文章：机器学习之train_test_split详解 也许能够解决你的问题，你可以看下
• 除此之外, 这篇博客: 机器学习框架及评估指标详解中的 train_test_split函数的详解 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

  在机器学习中，我们通常将原始数据按照比例分割为“测试集”和“训练集”

  从 sklearn.model_selection 中调用train_test_split 函数

  简单用法如下：

  X_train,X_test, y_train, y_test  =sklearn.model_selection.train_test_split
  (train_data,train_target,test_size=0.4, random_state=0,stratify=y_train)

  train_data：所要划分的样本特征集

  train_target：所要划分的样本结果

  test_size：样本占比，如果是整数的话就是样本的数量

  random_state：是随机数的种子

  随机数种子：其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。比如你每次都填1，其他参数一样的情况下你得到的随机数组是一样的。但填0或不填，每次都会不一样。

  stratify：是为了保持split前类的分布。比如有100个数据，80个属于A类，20个属于B类。

  如果train_test_split(... test_size=0.25, stratify = y_all), 那么split之后数据如下：

  training: 75个数据，其中60个属于A类，15个属于B类

  testing: 25个数据，其中20个属于A类，5个属于B类。

  用了stratify参数，training集和testing集的类的比例是 A：B= 4：1

  等同于split前的比例（80：20）。通常在这种类分布不平衡的情况下会用到stratify。

  将stratify=X就是按照X中的比例分配

  将stratify=y就是按照y中的比例分配

  整体总结起来各个参数的设置及其类型如下：

  主要参数说明：

  *arrays 可以是列表、numpy数组、scipy稀疏矩阵或pandas的数据框

  test_size：可以为浮点、整数或None，默认为None

  ①若为浮点时，表示测试集占总样本的百分比

  ②若为整数时，表示测试样本样本数

  ③若为None时，test size自动设置成0.25

  train_size：可以为浮点、整数或None，默认为None

  ①若为浮点时，表示训练集占总样本的百分比

  ②若为整数时，表示训练样本的样本数

  ③若为None时，train_size自动被设置成0.75

  random_state：可以为整数、RandomState实例或None，默认为None

  ①若为None时，每次生成的数据都是随机，可能不一样

  ②若为整数时，每次生成的数据都相同

  stratify：可以为类似数组或None

  ①若为None时，划分出来的测试集或训练集中，其类标签的比例也是随机的

  ②若不为None时，划分出来的测试集或训练集中，其类标签的比例同输入的数组中类标签的比例相同，可以用于处理不均衡的数据集

  

  总之在遇到数据集不平衡的情况下可以使用该参数，来调节数据标签的不平衡的情况，我们可以该参数调节

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^