Python，机器学习：有没有可以拆分数据集和随机播放的 API？ [关闭]答案

【问题标题】：Python, Machine Learning: Are there any API that can split dataset and shuffle? [closed]Python，机器学习：有没有可以拆分数据集和随机播放的 API？ [关闭]
【发布时间】：2018-08-23 00:45:20
【问题描述】：

我有一个包含 10000 个样本和 4 个类别（0、1、2、3）标签的数据集。

>>>data.shape
(10000, 250)
>>>label.shape
(10000,)

而且，我想知道是否有任何 API 可以将数据拆分为训练和测试数据并随机播放？

例如：

(training_data, training_label, test_data, test_label) = split_shuffle(data, label, 80) # 80 means 80% training, 20% test

实现这些功能最有效的方法是什么？

此外，如果我们想要 5 倍（直接）交叉验证数据怎么办？

【问题讨论】：

Split inputs into training and test sets的可能重复
为什么这被否决了？它被重复的事实并不意味着这个问题是无关紧要的，对吧？
@famargar 请求 API 大致相当于请求场外资源，因此是题外话。这个问题似乎也没有显示出解决问题的实际尝试。
@E_net4 好的。这是一个有 28 分的用户。我认为这里的人们必须意识到这个社区并不完全欢迎新人。大多数情况下，在点击否决按钮之前，人们可以简单地建议/帮助 OP 重新表述问题。
@famargar：也许吧，尽管这场辩论已经在 Meta 上进行到死！我们在这里遇到的困难是网站的目的（收集对未来读者有用的问题）与每个问题作者的目的（询问只对他们有用的东西）之间的差距。

标签： python numpy tensorflow machine-learning deep-learning

【解决方案1】：

SKLearn 的 train_test_split 是您正在寻找的，使用以下内容：

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

【讨论】：

【解决方案2】：

如果你想打乱你的数据，你可以使用numpy.shuffle（用于numpy数组）或df.sample（用于pandas df）。关于 splittinf 请参阅 KonstatinosKokos 的回答或玩np.split。

【讨论】：