怎么把一个数据集划分成70%是训练集,20%是测试集,10%是验证集
时间: 2024-02-12 21:09:03 浏览: 177
将数据集划分为训练集、测试集和验证集是机器学习中常用的方法,可以使用如下代码实现:
```python
import numpy as np
from sklearn.model_selection import train_test_split
# 假设数据集为X和y
X = ...
y = ...
# 将数据集分为训练集、测试集、验证集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
X_test, X_val, y_test, y_val = train_test_split(X_test, y_test, test_size=0.33, random_state=42)
# 打印各数据集的样本数量
print("训练集样本数:", len(X_train))
print("测试集样本数:", len(X_test))
print("验证集样本数:", len(X_val))
```
其中,`train_test_split()` 函数可以将数据集随机分为训练集和测试集,参数 `test_size` 指定测试集所占比例。接着,再使用 `train_test_split()` 函数将测试集进一步分为测试集和验证集,参数 `test_size` 同样指定验证集所占比例。最后,使用 `len()` 函数分别计算各数据集的样本数量并打印输出。
阅读全文