python データセットの分割について

Question

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(train_x, train_y, random_state = 1)

こちらについて、わかりやすい解釈はありますでしょうか。
たくさん調べてみたのですが、イマイチ理解ができず。
宜しくお願いいたします。

Comments

[hentaiman]

train_xとtrain_yのデータ量を減らして中身を比較することで分かりやすい事もあります

[croit]

有難うございます！

Answer 1

train_test_split() に渡した配列を2つの配列に分割する関数です。
デフォルトでは 3:1 の割合で分割されます。
機械学習でデータとラベルのセットがあって、それを学習用とテスト用の2つに分割したいときに使います。

sklearn.model_selection.train_test_split — scikit-learn 0.23.1 documentation

import numpy as np
from sklearn.model_selection import train_test_split

x = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
y = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J']

x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1)
print(x_train, x_test)
print(y_train, y_test)
# [4, 0, 3, 1, 7, 8, 5] [2, 9, 6]
# ['E', 'A', 'D', 'B', 'H', 'I', 'F'] ['C', 'J', 'G']

Comments

[croit]

とてもわかりやすく、有難うございます！！