帶有test_size = 0的train_test_split如何影響數據？

Question

我在代碼中使用了train_test_split，然后想將其更改為交叉驗證，但是奇怪的是正在暫停。

train, test = train_test_split(data, test_size=0)

x_train = train.drop('CRO', axis=1)
y_train = train['CRO']

scaler = MinMaxScaler(feature_range=(0, 1))
x_train_scaled = scaler.fit_transform(x_train)
x_train = pd.DataFrame(x_train_scaled)

for k in range(1, 5):
    knn = neighbors.KNeighborsRegressor(n_neighbors=k, weights='uniform')
    scores = model_selection.cross_val_score(knn, x_train, y_train, cv=5)
    print(scores.mean(), 'score for k = ', k)

這段代碼給出的得分大約為0.8，但是當我刪除第一行並更改第二行和第三行中為“數據”設置的“火車”設置時，得分更改為0.2，這很奇怪，因為我什至設置了test_size設為0，因此火車應該等於整個數據。 什么是羽化？

Answer 1

要注意的一件事是在train_test_split中傳遞的隱式參數。

默認情況下， shuffle=True ，可以很容易地通過混排將噪聲添加到您的訓練數據中，在不進行混排的情況下僅傳遞數據就可以將其他模式引入模型中。