train_test_split function 在 C++

Question

我想创建一个 train_test_split function 将数据矩阵（向量向量）拆分为其他两个矩阵，类似于 sklearn 的 function 所做的。 这是我这样做的尝试：

#include <iostream> 
#include <cstdlib>
#include <fstream> 
#include <time.h>
#include <vector>  
#include <string> 

using namespace std;

vector<vector<float>> train_test_split(vector<vector<float>> df, float train_size = 0.8){
  vector<vector<float>> train; 
  vector<vector<float>> test; 
  srand(time(NULL)); 
  for(int i = 0; i < df.size(); i++){
    int x = rand() % 10 + 1; 
    if(x <= train_size * 10){
      train.push_back(df[i]);
    } 
    else{
      test.push_back(df[i]);
    }
  }
  return train, test;
} 

int main(){
   vector<vector<float>> train;
   vector<vector<float>> test; 
   vector<vector<float>> df = {{1,2,3,4}, 
                               {5,6,7,8},
                               {9,10,11,12}};

   train, test = train_test_split(df); 
   cout << "training size: " << train.size() << ", test size: " << test.size() << endl; 
   return 0; 
}

这种方法仅在test矩阵中发送数据。 经过一番研究，我发现 C++ 不能 output 两个值在同一个 function 中。 我是 C++ 的新手，我想知道解决这个问题的最佳方法是什么。 任何帮助将不胜感激。

Answer 1

function 只能返回一个值。 虽然看看你的 function 声明：它被声明返回一个vector<vector<float>> ，那是许多vector<float>的容器。 容器可以包含许多元素（相同类型），自定义类型可以包含许多成员：

 struct train_test_split_result {
      vector<vector<float>> train; 
      vector<vector<float>> test; 
 };

 train_test_split_result train_test_split(vector<vector<float>> df, int train_size = 0.8) {
      train_test_split_result result;
      // ...
      // result.train.push_back(...)
      // result.test.push_back(...)
      // ...
      return result;
}

int main(){
   vector<vector<float>> df = {{1,2,3,4}, 
                               {5,6,7,8},
                               {9,10,11,12}};

   train_test_split_result result = train_test_split(df); 
   cout << "training size: " << result.train.size() << ", test size: " << result.test.size() << endl; 
}

PS：您应该打开编译器警告并阅读它们：然后阅读： 逗号运算符如何工作

PPS：嵌套向量对于矩阵来说是一种糟糕的数据结构。 std::vector从 memory 局部性中受益匪浅，但由于其元素是动态分配的，因此std::vector<std::vector<float>>中的float分散在 memory 中。 如果在编译时知道大小并且不太大（需要动态分配），则可以使用嵌套数组。 或者使用平面std::vector<float>来存储矩阵。

PPPS：还有“输出参数”：function 可以通过非常量引用获得 arguments，调用者传递它们，function 修改它们。 虽然通常不建议使用超出参数。