背景

          从UCI下载的数据集需要进行一定的数据预处理，我下载了12个数据集准备在上面验证我的方法，但是数据处理花了好久时间

文件结构

          dataset_mat存放原始的没有划的.mat文件，preprocessedData 存放划分处理后的数据，每个数据名字为data，是一个结构体，含有四个成员，分别是{trianX,testX,trianY,testY}

代码

test_train_test_split.m

clear all 
clc

files = dir("./dataset_mat/*.mat");
test_size = 0.2;
for i = 1:length(files)
    file_name = files(i).name;
    load(file_name)
    [trianX,testX,trianY,testY] =  train_test_split(X, Y, test_size);
    data = {trianX,trianY,testX,testY};
    savepath = "./preprocessedData/" + file_name;
    save(savepath,"data")
end

train_test_split.m

function  [trianX,testX,trianY,testY]= train_test_split(originalData_X,originalData_Y,test_size)
     dataNumber = size(originalData_X,1);          %%样本个数
        
     randIndex = randperm(dataNumber);             %%打乱数组
     new_data_X = originalData_X(randIndex,:);   
     new_data_Y = originalData_Y(randIndex,:);   
     
     testindex = ceil(dataNumber * test_size);     %% 获得分界下标
     
     testX = new_data_X(1:testindex,:);
     trianX = new_data_X(testindex+1:end,:);
     testY = new_data_Y(1:testindex,:);
     trianY = new_data_Y(testindex+1:end,:);
end