使用np.random.rand对训练/测试数据进行分区

Question

我正在尝试理解这行代码：

msk = np.random.rand(len(df)) < 0.8

据我所知，numpy.random.rand(len(df))返回一个介于[0，1)之间的数组，该数组是从均匀分布中生成的。

数组中的每个数字代表什么？值是数据的百分位数吗？

这样做之后，我们得到布尔对象的数组，然后创建训练，测试集。

train = cdf[msk]
test = cdf[~msk]

在这段代码中，对于cdf中的每一列，它是否与数组msk中的每个布尔对象相匹配，如果是True，则获取该行并将其放入train中？如果False到test集合中呢？

我想知道我的理解是否正确

Answer 1

np.random.rand(len(df))从均匀(0，1)分布中随机采样len(df)浮点数。从该分布中采样会生成0到1之间的数字。

msk是一个布尔数组。

如果msk[i]随机生成的i-th值小于(<) np.random.rand，则0.8为0.8。

如果msk[i]随机生成的i-th值大于或等于( np.random.rand ) 0.8，则np.random.rand为0.8。

~msk将True翻转为False，将False翻转为True。这样，将msk为True的cdf的值赋给数组train，将msk为False的cdf的值赋给test。

使用这种设置，您预计大约80%的cdf将被分区到train中，其余的大约20%将被分区到test中。