如何在Python中使用Sklearn进行培训测试分割

使用Sklearn进行培训测试分割是机器学习中很常见的一步操作，可有效地检验模型的预测能力和泛化能力。下面是使用Sklearn进行培训测试分割的完整攻略：

一、导入相关库和数据集

首先，需要导入需要的库，例如pandas、numpy 和 sklearn 中的模型和模型的工具包。在这个例子中，我们选取的是Iris花的数据集，从Sklearn中导入。

import pandas as pd
import numpy as np
import sklearn
from sklearn.datasets import load_iris

iris = load_iris()

二、理解数据集

在进行数据分析时，先查看数据的大小、类型，确保数据与需要的一致。如下，查看数据集的大小，其中有150个数据样本，每个样本有4个特征。

print("数据集大小:", iris.data.shape)

三、划分训练集和测试集

接下来，我们使用Sklearn中的train_test_split()函数将数据集分成训练集和测试集。通过设置test_size参数，可以将数据集分成两个部分，这里我将数据集以 7:3 的比例拆分，拆分后将有105个样本供训练，45个样本供测试。

from sklearn.model_selection import train_test_split

Xtrain, Xtest, Ytrain, Ytest = train_test_split(
    iris.data, iris.target, test_size = 0.3)

print("训练集大小：", Xtrain.shape)
print("测试集大小：", Xtest.shape)

四、模型训练和测试

现在，我们已经有了划分好的训练集和测试集，对数据进行分类，对比真实值与预测值之间的差别，了解模型的表现。

在进行模型训练与预测之前，我们需要选用一个分类器，这里我们选择KNN作为分类器，使用fit()函数对训练集进行拟合，再使用predict()函数对测试集进行预测，然后将测试结果和真实结果进行对比，最后输出分类器的精确度。

from sklearn.neighbors import KNeighborsClassifier

model = KNeighborsClassifier(n_neighbors=3)
model.fit(Xtrain, Ytrain)

Ypred = model.predict(Xtest)

from sklearn.metrics import accuracy_score
print("预测准确率：", accuracy_score(Ypred, Ytest))

两个例子分别针对分类和回归问题。

五、分类问题示例

在下面的例子中，我们使用Sklearn带有的digits数字数据集，它是一个10分类问题。

from sklearn.datasets import load_digits

# 获得数据 X 和 y
digits = load_digits()
X = digits.data
Y = digits.target

# 划分训练集和测试集
Xtrain, Xtest, Ytrain, Ytest = train_test_split(X, Y, test_size=0.3)

# 设置分类器
model = KNeighborsClassifier(n_neighbors=5)

# 拟合训练集
model.fit(Xtrain, Ytrain)

# 对测试集进行预测
Ypred = model.predict(Xtest)

# 计算模型准确率
acc = accuracy_score(Ytest, Ypred)
print("模型预测准确率为：{:.2f}%".format(acc * 100))

六、回归问题示例

在下面的例子中，我们使用 Sklearn 带有的波士顿房价数据集，它是个回归任务。

from sklearn.datasets import load_boston

# 获得数据 X 和 y
boston = load_boston()
X = boston.data
Y = boston.target

# 划分训练集和测试集
Xtrain, Xtest, Ytrain, Ytest = train_test_split(X, Y, test_size=0.3)

# 设置回归器
from sklearn.linear_model import LinearRegression

model = LinearRegression()

# 拟合训练集
model.fit(Xtrain, Ytrain)

# 对测试集进行预测
Ypred = model.predict(Xtest)

# 计算模型误差
from sklearn.metrics import mean_squared_error

mse = mean_squared_error(Ytest, Ypred)
print("模型预测误差为：{:.2f}".format(mse))

以上这些就是使用Sklearn进行培训测试分割的完整攻略，包含了数据预处理，数据划分，模型训练及结果评估。