訓練，測試，驗證拆分的Python。 三套

Question

有人提出了一種將數據集分成三組的解決方案。 我想知道在這種情況下標簽在哪里。 或然后如何設置標簽。

train, validate, test = np.split(df.sample(frac=1), [int(.6*len(df)), int(.8*len(df))])

Answer 1

我將根據評論回答問題：

使用此方法進行拆分：

train, validate, test = np.split(df.sample(frac=1), [int(.6*len(df)), int(.8*len(df))])

您將獲得3個不同的對象，其中包括來自df的train的前60％數據，對應於validate 60％和80％之間的間隔的數據，以及對應於test 80％-100％的最后20％的數據。 標簽在這些數據框中。

在train_test_split您傳遞了兩個對象X和Y，這兩個對象以前很可能是從原始數據集中拆分出來的，然后返回4個對象，其中2個對應於train，兩個對應於test。 請記住以下幾點：首先將數據集拆分為independent variables和explained/target variable ，然后將這兩個對象拆分為訓練和測試。

使用np.split進行反之亦然，您首先要將數據集分為3個對象，進行訓練，驗證和測試，然后將它們分別分成independent variables通常稱為X和target variable Y）。進行相同的拆分，只是順序相反。

但是，請記住，通過傳遞np.split的索引意味着分割不是隨機進行的，而使用train_test_split則會得到隨機的訓練和測試子集。 另一方面， np.split允許更大的靈活性，例如，如您在示例中所證明的，創建兩個以上的子集。

也許這會有所幫助！

Answer 2

嘗試這個。 將train_test_split之一的輸出輸入第二個

import numpy as np
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4)
X_test, X_validate, y_test, y_validate = train_test_split(X_test, y_test, test_size=0.5)

該函數將2個數組隨機拆分為4個數組，而test_size確定分配給測試輸出與序列的拆分的大小。 輸入y是構建機器學習模型的目標，輸入X是模型的特征。 如果要將它們組合在一起，則只需合並等效的X和y輸出。