为什么sklearn中的train_test_split有4个结果？如果测试数据中没有y_data，为什么会有y_test？
答案 0 :(得分：1)
获得4个结果的原因是因为您获得了：train_features，test_features，train_labels和test_labels（X_train, X_test, y_train, y_test）。因此，它不仅将数据集拆分为训练集和测试集，还将标签拆分为。 （因此2 + 2 = 4个结果）。
答案 1 :(得分：0)
查看documentation，您会看到第一个参数是
*arrays，这意味着您可以在其中放置任意数量的数组。现在，它返回什么？
Returns: splitting : list, length=2 * len(arrays)
这意味着它将返回在train_test_split函数中传递的数组数量的两倍。
因此，如果您已经有一个训练集和一个测试集，则只有将训练集分开才有意义，因此您可以有一个验证集来检查模型性能。
例如：
train_data, validation_data, train_label, validation_label= train_test_split(original_train_data, original_train_label)
请注意，如果数据和标签位于分开的向量中，则还必须拆分标签。
答案 2 :(得分：0)
因为您已将原始数据拆分为训练和测试部分。因此会有四个结果。
1（X_train，Y_train），其中X_train是训练点，而Y_train是它们各自的类别标签。现在，这就是您的训练数据，这些数据将用于使用任何经典模型（例如K-NN，逻辑回归，决策树）来训练您的模型。
2（X_test，Y_test），其中X_test代表您的测试数据点，y_train是这些测试点的各自类别标签。现在，一旦您训练了模型并计算了训练错误/准确性，则可以使用这些点来看看训练后的模型是否可以正确预测数据。训练和测试误差之间的差异越小越好。
这就是为什么您得到4个结果（每对2个）的原因。
希望这会有所帮助。