如何操作数据集

Question

我有一个从Kaggle获得的原始图像数据集，它已经被分类了，但是我想将这些信息按80:20的比例在火车和测试之间随机分割，问题是既然所有的信息都是分类的，我想把这个文件夹分类保存在我的新的火车集中，而所有的信息都混合在测试文件夹中。我不能自己做，因为我希望它被随机分割，我如何做到这一点？

Answer 1

在这个数据集中，您应该准备新的变量，即X和y；其中X = feature matrix和y = class variable。现在，使用以下代码将数据分割成所需比例的数据集和测试数据集-

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

test_size帮助您准备80:20的列车测试分割；以及

random_state是随机化的种子值。

每一种不同的种子应产生不同的随机分裂。