Diretório de artigos
Prefácio
Ao treinar um modelo em aprendizado de máquina, muitas vezes é necessário dividir aleatoriamente o conjunto de dados em um conjunto de treinamento e um conjunto de teste proporcionalmente. Este artigo resume os métodos comuns de divisão de conjuntos de treinamento e conjuntos de teste baseados em matlab e python, para seu Apenas referência.
1. Método de índice não ordenado
1. código matlab
% 确定随机种子，便于结果复现
rand('seed', 42);
% 生成和样本个数等长的无序索引序列
idx = randperm(length); % length即为样本的总数，idx为生成的无序索引
% 选取80%作为训练集
train_data = data(idx(1:0.8*length), :); % data为样本特征，格式为：样本数*特征数
train_labels = labels(idx(1:0.8*length), 1); % labels为样本标签，的格式为：样本数*1
% 剩余20%作为测试集
test_data = data( idx(0.8*length+1:end), :);
test_labels = labels( idx(0.8*length+1:end), 1);
2. código python
length = data.shape[1]
# length = len(labels)
# 生成和样本个数等长的无序索引序列
index = randperm(length) # length即为样本的总数，idx为生成的无序索引
# 选取80%作为训练集(假设样本共100个)
idx1 = index[:80]
train_data = data[idx1] # data为样本特征，格式为：样本数*特征数
train_labels = labels[idx1] # labels为样本标签，的格式为：样本数*1
# 剩余20%作为测试集
idx2 = index[80:]
test_data = data[idx2]
test_labels = labels[idx2]
2. Método de implementação de função
1. Use o método cross_validation.train_test_split na biblioteca python
from numpy import random
import numpy as np
from sklearn import cross_validation
# 其中data为数据的特征矩阵，labels为标签，test_siz为测试的比例
x_train, x_test, y_train, y_test = cross_validation.train_test_split(data, labels, test_size=0.2, random_state=0)
2. Use o método KFold na biblioteca python (método de validação cruzada K-fold)
from sklearn.model_selection import KFold
from sklearn import svm
# 其中data为数据的特征矩阵，labels为标签，train_index, test_index分别为训练集和测试集的样本索引
kf = KFold(n_splits=5)
for train_index, test_index in kf.split(data):
x_train, x_test = data[train_index], data[test_index]
y_train, y_test = labels[train_index], labels[test_index]
clf = svm.SVC(C=0.2, kernel='linear', decision_function_shape='ovo')
clf.fit(x_train, y_train)
pred_acc = clf.score(x_test, y_test)