如何将数据分为3组(训练,验证和测试)?
machine-learning
numpy
pandas
scikit-learn
8
0

我有一个熊猫数据框,我希望将其分为3组。我知道使用sklearn.cross_validation中sklearn.cross_validation ,可以将数据分为两组(train和test)。但是,我找不到将数据分为三组的任何解决方案。最好是,我想拥有原始数据的索引。

我知道一种解决方法是两次使用train_test_split并以某种方式调整索引。但是,是否存在更标准/内置的方式将数据分为3组而不是2组?

参考资料:
Stack Overflow
收藏
评论
共 3 个回答
高赞 时间 活跃

注意:

编写函数来处理随机集创建的种子。您不应该依赖不会随机化集合的集合分割。

import numpy as np
import pandas as pd

def train_validate_test_split(df, train_percent=.6, validate_percent=.2, seed=None):
    np.random.seed(seed)
    perm = np.random.permutation(df.index)
    m = len(df.index)
    train_end = int(train_percent * m)
    validate_end = int(validate_percent * m) + train_end
    train = df.iloc[perm[:train_end]]
    validate = df.iloc[perm[train_end:validate_end]]
    test = df.iloc[perm[validate_end:]]
    return train, validate, test

示范

np.random.seed([3,1415])
df = pd.DataFrame(np.random.rand(10, 5), columns=list('ABCDE'))
df

在此处输入图片说明

train, validate, test = train_validate_test_split(df)

train

在此处输入图片说明

validate

在此处输入图片说明

test

在此处输入图片说明

收藏
评论

然而,一种方法来将所述数据集到traintestcv0.60.20.2是使用所述train_test_split方法两次。

from sklearn.model_selection import train_test_split

x, x_test, y, y_test = train_test_split(xtrain,labels,test_size=0.2,train_size=0.8)
x_train, x_cv, y_train, y_cv = train_test_split(x,y,test_size = 0.25,train_size =0.75)
收藏
评论

脾气暴躁的解决方案。我们将数据集分为以下几部分:

  • 60%-火车
  • 20%-验证集,
  • 20%-测试集

In [305]: train, validate, test = np.split(df.sample(frac=1), [int(.6*len(df)), int(.8*len(df))])

In [306]: train
Out[306]:
          A         B         C         D         E
0  0.046919  0.792216  0.206294  0.440346  0.038960
2  0.301010  0.625697  0.604724  0.936968  0.870064
1  0.642237  0.690403  0.813658  0.525379  0.396053
9  0.488484  0.389640  0.599637  0.122919  0.106505
8  0.842717  0.793315  0.554084  0.100361  0.367465
7  0.185214  0.603661  0.217677  0.281780  0.938540

In [307]: validate
Out[307]:
          A         B         C         D         E
5  0.806176  0.008896  0.362878  0.058903  0.026328
6  0.145777  0.485765  0.589272  0.806329  0.703479

In [308]: test
Out[308]:
          A         B         C         D         E
4  0.521640  0.332210  0.370177  0.859169  0.401087
3  0.333348  0.964011  0.083498  0.670386  0.169619

[int(.6*len(df)), int(.8*len(df))] -是numpy.split()indices_or_sections数组。

这是一个有关np.split()用法的小演示-让我们将20个元素的数组拆分为以下部分:80%,10%,10%:

In [45]: a = np.arange(1, 21)

In [46]: a
Out[46]: array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20])

In [47]: np.split(a, [int(.8 * len(a)), int(.9 * len(a))])
Out[47]:
[array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16]),
 array([17, 18]),
 array([19, 20])]
收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号