我正在处理蘑菇分类数据集（数据集在这里可以找到：https://www.kaggle.com/uciml/mushroom-classification）。
我试图将数据分成训练集和测试集以用于我的模型，然而当我使用train_test_split方法时，我的模型总是能达到100%的准确率。但当我手动分割数据时，情况并非如此。
x = data.copy()y = x['class']del x['class']x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.33)model = xgb.XGBClassifier()model.fit(x_train, y_train)predictions = model.predict(x_test)print(confusion_matrix(y_test, predictions))print(accuracy_score(y_test, predictions))这会产生以下结果：
[[1299 0] [ 0 1382]]1.0如果我手动分割数据，我会得到一个更合理的结果。
x = data.copy()y = x['class']del x['class']x_train = x[0:5443]x_test = x[5444:]y_train = y[0:5443]y_test = y[5444:]model = xgb.XGBClassifier()model.fit(x_train, y_train)predictions = model.predict(x_test)print(confusion_matrix(y_test, predictions))print(accuracy_score(y_test, predictions))结果：
[[2007 0] [ 336 337]]0.8746268656716418是什么导致了这种行为？
编辑：根据请求，我包括了切片的形状。
train_test_split:
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.33)print(x_train.shape)print(y_train.shape)print(x_test.shape)print(y_test.shape)结果：
(5443, 64)(5443,)(2681, 64)(2681,)手动分割:
x_train = x[0:5443]x_test = x[5444:]y_train = y[0:5443]y_test = y[5444:]print(x_train.shape)print(y_train.shape)print(x_test.shape)print(y_test.shape)结果：
(5443, 64)(5443,)(2680, 64)(2680,)我尝试定义自己的分割函数，结果也导致分类器准确率达到100%。
以下是分割函数的代码
def split_data(dataFrame, testRatio): dataCopy = dataFrame.copy() testCount = int(len(dataFrame)*testRatio) dataCopy = dataCopy.sample(frac = 1) y = dataCopy['class'] del dataCopy['class'] return dataCopy[testCount:], dataCopy[0:testCount], y[testCount:], y[0:testCount]回答：
你在使用train_test_split时运气不错。你手动进行的分割可能包含了更多的未见数据，这比train_test_split（它内部会打乱数据进行分割）的验证效果更好。
为了进行更好的验证，请使用K折交叉验证，这样可以验证模型在数据的不同部分作为测试集和其余部分作为训练集时的准确性。
