使用特征拆分训练和测试数据

从sklearn加载Iris数据集。将数据集拆分为训练和测试部分。从4个特征中选择2个。我编写了以下代码:

from sklearn.datasets import load_irisfrom sklearn.model_selection import train_test_splitiris = load_iris()X, y = iris.data, iris.targetX_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.33,random_state=42)

但我不明白“从4个特征中选择2个”是什么意思。是指test_size和random_state吗?还是其他什么意思?


回答:

Iris数据集有花瓣长度、花瓣宽度、花萼长度、花萼宽度4个特征。从4个特征中选择2个,意思是在你的训练模型中使用其中的两个特征。我不明白你为什么要这样做,因为使用所有四个特征会使模型更准确。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注