为什么我们在将数据拆分为测试和训练之前删除目标/标签？

Question

为什么我们在将数据拆分为测试和训练之前删除目标/标签？ 例如在下面的代码中

X = df.drop('Scaled sound pressure level',axis=1)
y = df['Scaled sound pressure level'] 

拆分数据

from sklearn.model_selection import train_test_split 

80/20 通过固定种子来重现结果

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state = 2021) 

Answer 1

实际上，这不是强制性的。 您可以为整个 dataframe 提供目标值，并且 function 将返回火车 df 并测试 df。 然后，您可以检索独立和依赖列。 这将适用于回归数据集。

对于分类任务，这也可以工作。 但是我们希望在训练集和测试集中的目标类分布相等。 因此，我们需要为 train_test_split() 方法的“分层”参数提供目标值。