划分测试集和训练集python代码
时间: 2023-09-04 09:13:10 浏览: 64
以下是一个简单的 Python 代码示例,用于将数据集划分为训练集和测试集:
```python
import random
def split_dataset(dataset, split_ratio):
train_size = int(len(dataset) * split_ratio)
train_set = []
test_set = list(dataset)
while len(train_set) < train_size:
index = random.randrange(len(test_set))
train_set.append(test_set.pop(index))
return train_set, test_set
# 使用示例
dataset = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
split_ratio = 0.7
train_set, test_set = split_dataset(dataset, split_ratio)
print('训练集:', train_set)
print('测试集:', test_set)
```
这段代码会将 `dataset` 划分为训练集和测试集,其中 `split_ratio` 参数指定了训练集的比例。在示例中,我们将训练集占总数据集的 70%。
相关问题
划分训练集和测试集的python代码
以下是使用sklearn库中train_test_split方法划分训练集和测试集的Python代码:
```
from sklearn.model_selection import train_test_split
#加载数据集,X为数据特征,y为数据标签
X, y = load_data()
#划分数据集,test_size为测试集占总数据的比例
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
```
其中,`X`为数据的特征,`y`为数据的标签,`test_size`表示测试集占总数据集的比例(例如`test_size=0.2`表示使用20%的数据作为测试集),`random_state`用于设定随机种子,保证每次随机划分的结果一致。 `train_test_split`方法会返回4个数组:`X_train`为训练集的特征数据,`y_train`为训练集的标签数据,`X_test`为测试集的特征数据,`y_test`为训练集的标签数据。
python划分测试集和训练集的代码
以下是一个简单的 Python 代码示例,用于将数据集随机拆分为训练集和测试集:
```python
import random
def split_dataset(dataset, split_ratio):
train_size = int(len(dataset) * split_ratio)
train_set = []
test_set = list(dataset)
while len(train_set) < train_size:
index = random.randrange(len(test_set))
train_set.append(test_set.pop(index))
return [train_set, test_set]
```
其中,`dataset` 是一个列表,包含了所有的数据样本,`split_ratio` 表示训练集占整个数据集的比例。函数会将数据集随机拆分为训练集和测试集,并返回一个列表,其中第一个元素是训练集,第二个元素是测试集。可以使用以下代码将数据集拆分为训练集和测试集:
```python
dataset = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
split_ratio = 0.7
train_set, test_set = split_dataset(dataset, split_ratio)
print(train_set)
print(test_set)
```
输出结果类似于:
```
[2, 8, 6, 10, 5, 3, 1]
[4, 7, 9]
```
这表示训练集包含了 70% 的数据样本,测试集包含了 30% 的数据样本。