在Python中等效R的createDataPartition

我试图在python中重现R的createDataPartition函数的行为.我有一个用于机器学习的数据集,带有布尔目标变量.我想将我的数据集拆分为训练集(60％)和测试集(40％).

如果我完全随机,我的目标变量将不会在两组之间正确分配.

我用R实现它：

inTrain <- createDataPartition(y=data$repeater, p=0.6, list=F)
training <- data[inTrain,]
testing <- data[-inTrain,]

我怎样才能在Python中做同样的事情？

PS：我正在使用scikit-learn作为我的机器学习lib和python pandas.

解决方法:

在scikit-learn中,您可以获得工具train_test_split

from sklearn.cross_validation import train_test_split
from sklearn import datasets

# Use Age and Weight to predict a value for the food someone chooses
X_train, X_test, y_train, y_test = train_test_split(table['Age', 'Weight'], 
                                                    table['Food Choice'], 
                                                    test_size=0.25)

# Another example using the sklearn pre-loaded datasets:
iris = datasets.load_iris()
X_iris, y_iris = iris.data, iris.target
X, y = X_iris[:, :2], y_iris
X_train, X_test, y_train, y_test = train_test_split(X, y)

这会将数据分解为

>培训投入
>评估数据的输入
>输出训练数据
>评估数据的输出

分别.您还可以添加关键字参数：test_size = 0.25以更改用于培训和测试的数据百分比

要拆分单个数据集,您可以使用这样的调用来获得40％的测试数据：

>>> data = np.arange(700).reshape((100, 7))
>>> training, testing = train_test_split(data, test_size=0.4)
>>> print len(data)
100
>>> print len(training)
60
>>> print len(testing)
40