TypeError：train_test_split（）获得了意外的关键字参数“ test_size”

Question

我正在尝试使用随机森林方法找到最佳功能集 我需要将数据集分为测试和训练。这是我的代码

from sklearn.model_selection import train_test_split

def train_test_split(x,y):
    # split data train 70 % and test 30 %
    x_train, x_test, y_train, y_test = train_test_split(x, y,train_size=0.3,random_state=42)
    #normalization
    x_train_N = (x_train-x_train.mean())/(x_train.max()-x_train.min())
    x_test_N = (x_test-x_test.mean())/(x_test.max()-x_test.min())

train_test_split(data,data_y)

参数data，data_y正在正确解析。 但我收到以下错误。我不知道为什么会这样。

Answer 1

您在代码中使用的功能名称与sklearn.preprocessing中的功能名称相同，更改功能名称即可完成这项工作。 像这样的东西

{
  "rules": {
    ".read": "auth != null",
    ".write": "auth != null"
  }
}

说明：-尽管在python中有方法重载（即，根据参数类型选择相同的命名函数），但在您的情况下，这两个函数都需要相同类型的参数，因此不同的命名是只能解决IMO。

Answer 2

另一种解决方案是重命名sklearn.model_selection，从而解决sklearn.model_selection和model_selection（默认名称）之间的冲突。

from sklearn.model_selection import train_test_split as sklearn_train_test_split