Question

我在一个小的数据集样本上尝试了两者，并返回了相同的输出。所以问题是，scikit的train-test-split方法中的“ shuffle”和“ random_state”参数有什么区别？

MWE的代码：

X, y = np.arange(10).reshape((5, 2)), range(5)
train_test_split(y, shuffle=False)

Out: [[0, 1, 2], [3, 4]]

train_test_split(y, random_state=0)

Out: [[0, 1, 2], [3, 4]]

Answer 1

random_state控制伪随机Numpy生成器。为了确保代码的可重复性，应指定random_state。
shuffle：如果为True，则它会在拆分之前对数据进行洗牌

更多详细信息：

random_state：int，RandomState实例或无，可选   （默认值=无）如果为int，则random_state是随机变量使用的种子   数字发生器如果是RandomState实例，则random_state是random   数字发生器如果为None，则随机数生成器为   np.random使用的RandomState实例。

shuffle：布尔值，可选（默认为True）是否随机播放   拆分之前的数据。如果shuffle = False，则必须分层   没有。

Answer 2

有时候进行实验可能有助于了解功能的工作原理。

如果您具有以下数据框，请说：

我们将介绍功能train_test_split可以完成的不同操作：

如果您输入train, test = train_test_split(df, test_size=2/5, shuffle=False, random_state=None)，则总会得到以下结果：

# TRAIN
   X  Y
0  A  2
1  A  3
2  A  2

#TEST
   X  Y
3  B  0
4  B  0

如果您输入train, test = train_test_split(df, test_size=2/5, shuffle=False, random_state=1)或random_state的任何其他整数，您将得到相同的结果：

# TRAIN
   X  Y
0  A  2
1  A  3
2  A  2

#TEST
   X  Y
3  B  0
4  B  0

这是由于您您决定不对数据集进行混洗，因此该功能未使用random_state。

现在，如果您执行train, test = train_test_split(df, test_size=2/5, shuffle=True, random_state=None)，则将获得如下所示的数据集：

# TRAIN
   X  Y
4  B  0
0  A  2
1  A  3

# TEST
   X  Y
2  A  2
3  B  0

请注意，条目已改组。但也请注意，如果再次运行代码，结果可能会有所不同。

最后，如果您对train, test = train_test_split(df, test_size=2/5, shuffle=True, random_state=1)做random_state或其他任何int运算，您还将获得两个带有混排条目的数据集：

# TRAIN
   X  Y
4  B  0
0  A  2
3  B  0

# TEST
   X  Y
2  A  2
1  A  3

仅这次，如果您使用相同的代码再次运行 random_state，输出将始终保持不变。您已经设置了种子，这对于结果的可重复性很有用！

火车测试拆分中的随机播放和Random_State之间的区别？

2 个答案: