如何将给定数据集划分为训练集和测试集以及正确的标签。
通过sklearn库有一个相同的实现:
error: cannot find symbol
return x;
symbol: variable x
location: class A
其中df是原始数据集....例如:字符串列表
问题在于它不会将目标/标签与数据集一起使用。所以我们无法跟踪哪个标签属于哪个数据点...
有没有办法绑定数据点及其标签,然后将数据集拆分为训练和测试?
答案 0 :(得分:4)
sklearn.cross_validation.train_test_split
本质上需要一个可变数量的数组,它将分裂
*数组:具有相同形状的数组序列或scipy.sparse矩阵[0]
<强>返回强>:
拆分:数组列表,长度= 2 * len(数组) 列表包含输入数组的训练测试分割。
所以你可以沿着标签列表添加:
from sklearn import cross_validation
df = ['the', 'quick', 'brown', 'fox']
labels = [0, 1, 0, 0]
>> cross_validation.train_test_split(df, labels, test_size=0.2)
[['quick', 'fox', 'the'], ['brown'], [1, 0, 0], [0]]