sklearn学习

给定数据集X和类别标签y，将数据集按一定比例随机切分为训练集和测试集。

代码

#!/usr/bin/env python
# -*- coding: utf-8 -*-

"""
功能：数据集按比例切分为训练集和测试集
时间：2017年3月11日 12:48:57
"""

from sklearn.cross_validation import train_test_split

# 生成200个句子，前100个和后100个类别分别对应1和2
X = [[u"这是", u"第1个", u"测试"]] * 100 + [[u"这是", u"第2个", u"测试"]] * 100
y = [1] * 100 + [2] * 100

# 随机抽取20%的测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
print len(X_train), len(X_test)

# 查看句子和标签是否仍然对应
for i in range(len(X_test)):
    print "".join(X_test[i]), y_test[i]

if __name__ == "__main__":
    pass
1

实验结果

切分后的训练集和测试集标签仍然一一对应。