数据集处理

train_test_split

train_test_split 是 scikit-learn 库中的一个函数，用于将数据集分割为训练集和测试集。

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

• X 是特征矩阵，通常是一个二维数组。
• y 是目标变量，通常是一个一维数组。
• test_size 是测试集占总数据集的比例。在上面的例子中，测试集占总数据集的20%。
• random_state 是一个随机数种子，用于确保每次分割结果的一致性。 train_test_split 函数会返回四个值：
• X_train：训练集的特征。
• X_test：测试集的特征。
• y_train：训练集的目标变量。
• y_test：测试集的目标变量。

fetch_openml

fetch_openml 用于下载Openml中的开放数据集。自动下载数据集到C:\Users\你的用户名\scikit_learn_data 中，可以通过修改SCIKIT_LEARN_DATA环境变量来修改下载路径文件夹。

from sklearn.datasets import fetch_openml
mnist = fetch_openml('mnist_784')
X = mnist.data
y = mnist.target