【发布时间】:2017-01-30 08:46:54
【问题描述】:
我正在使用sklearn 中的test_train_split 模块来生成用于训练和测试的数据集的随机组合。我有一个指向原始数据集的文件路径列表。我还想知道数据是如何被打乱的,或者以同样的方式打乱文件路径列表以便能够在打乱/分割数据集可用后跟踪文件路径?
【问题讨论】:
标签: python machine-learning scikit-learn
我正在使用sklearn 中的test_train_split 模块来生成用于训练和测试的数据集的随机组合。我有一个指向原始数据集的文件路径列表。我还想知道数据是如何被打乱的,或者以同样的方式打乱文件路径列表以便能够在打乱/分割数据集可用后跟踪文件路径?
【问题讨论】:
标签: python machine-learning scikit-learn
如果您在test_train_split 和shuffle 中指定相同的random_state,您将得到相同的订单。
请参阅下面的 sn-p 进行演示。
from sklearn.utils import shuffle
from sklearn.model_selection import train_test_split
import random
X = list()
y = list()
files = list()
random_state = 42
test_size = 0.9
n = 100
for i in range(n):
X.append(i)
y.append(i + random.random())
files.append('file_{0:02d}.csv'.format(i))
X_train, X_test, y_train, y_test = train_test_split(X,
y,
test_size=test_size,
random_state=random_state)
X_shuffle = shuffle(X, random_state=random_state)
y_shuffle = shuffle(y, random_state=random_state)
file_shuffle = shuffle(files, random_state=random_state)
print(X_train)
print(X_shuffle[int(n * test_size):])
print(y_shuffle[int(n * test_size):])
print(file_shuffle[int(n * test_size):])
print(X_train == X_shuffle[int(n * test_size):])
[91, 74, 86, 82, 20, 60, 71, 14, 92, 51] [91, 74, 86, 82, 20, 60, 71, 14, 92, 51] [91.64119581793204, 74.77493553783724, 86.62410189510936, 82.40452263996107, 20.22784747831378, 60.913989700418675, 71.1940538438253, 14.644282494118647, 92.97808337955185, 51.289858815186356] ['file_91.csv', 'file_74.csv', 'file_86.csv', 'file_82.csv', 'file_20.csv', 'file_60.csv', 'file_71.csv', 'file_14.csv', 'file_92.csv', 'file_51.csv'] True
【讨论】: