Python机器学习：train_test_split()划分数据集

调用sklearn里面的model_selection包的train_test_split()函数可以一行代码划分好数据集。

包名：

from sklearn.model_selection import train_test_split

代码：

x = data.drop(['Exited'],axis=1)
y = data['Exited']
X_train, X_test, y_train, y_test = train_test_split(x,y,test_size = 0.2, random_state = 0)

代码讲解：

x是经过特征工程编码好的数据，一般训练集和测试集一起做编码；但还没有标准化，因为标准化要放在划分数据集后面进行。

drop()函数把除了因变量以外的自变量都保留了，保存在数据集x里。

y是结果，是因变量，比如是否留存、是否购买等。

train_test_split()方法括号里面的顺序是(自变量数据，因变量数据，测试集划分比例test_size，随机种子random_state )。

test_size 设置划分的比例，这里是预留20%的数据作为测试集。

random_state 是随机种子，可以随便写一个数字（详细作用见最后面“随机种子的作用”）。

X_train, X_test, y_train, y_test的顺序是：训练集的自变量、测试集的自变量、训练集的因变量、测试集的因变量。

运行结果，按0.2的比例划分好数据集啦：

随机种子的作用：一般随机的结果是和系统时间有关的，在不同的时间运行，得到的数据分组会不一样。这样就会导致即便还没开始调参，每次运行都能得到不同的准确率，就没办法判断是不是通过优化数据集或者调参带来的影响了。设置了随机种子之后，每次重新运行之后随机分的结果是一样的。有了确定的随机种子，别人在拿到你的代码的时候就可以复现得到一样的结果了。