我正在尝试理解这一行代码。哪个正在尝试生成测试/训练集。
msk = np.random.rand(len(df)) < 0.8
据我了解，numpy.random.rand(len(df))返回的数字数组介于[0,1）均匀分布和满足<0.8的数之间。
每个数字在数组中代表什么？例如：0.001。 0.888，它们是数据的百分位数吗？所以0.001 =>此数据比数据集的0.001低吗？
这样做之后，我们得到布尔对象数组，然后创建训练集，测试集。 cdf是一个更简单的数据框。
train = cdf[msk]
test = cdf[~msk]
在此代码中，对于cdf中的每一列，它是否与数组msk中的每个布尔对象匹配，如果它为True，则将该行放入火车集中？如果测试集为假？
我想知道我的理解是否正确。谢谢。
答案 0 :(得分：2)
numpy.random.rand(len(df))从均匀（0，1）分布而不是从正态分布中随机生成len(df)个数字！
除此之外，您几乎已经掌握了它。
msk是一个布尔数组，如果msk[i]随机生成的第i个值小于True，则np.random.rand为0.8。如果msk[i]生成的第i个值大于或等于False，则np.random.rand为0.8。
如果您仍在努力理解这一点，建议您首先创建您的随机数rands = np.random.rand(len(df))并对其进行查看，然后创建掩码msk = rands < 0.8。比较rands和msk，您应该可以清楚地看到它们之间的关系。
~msk将True翻转到False，反之亦然，所以是的，分配了cdf为msk的{{1}}的值到数组True中，并将train为False的值分配给msk。
通过这种设置，您期望test中包含约80％的数据cdf，而train中包含约20％的数据。 / p>