机器学习 - 训练与测试

在机器学习中，训练测试分割是一种常用的评估机器学习模型性能的技术。训练测试分割的基本思想是将可用数据分成两个集合：训练集和测试集。训练集用于训练模型，测试集用于评估模型的性能。

训练测试分割非常重要，因为它允许我们测试模型在之前从未见过的数据上的表现。这一点很重要，因为如果我们在模型训练时使用的数据上评估模型，那么模型在训练数据上可能表现良好，但在新数据上可能无法很好地泛化。

示例

在 Python 中，可以使用 sklearn.model_selection 模块中的 train_test_split 函数将数据分割成训练集和测试集。以下是一个示例实现 -

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# Load the iris dataset
data = load_iris()
X = data.data
y = data.target

# Split the data into training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Create a logistic regression model and fit it to the training data
model = LogisticRegression()
model.fit(X_train, y_train)

# Evaluate the model on the testing data
accuracy = model.score(X_test, y_test)
print(f"Accuracy: {accuracy:.2f}")

在此示例中，我们加载 iris 数据集并使用 train_test_split 函数将其分割成训练集和测试集。然后，我们创建一个逻辑回归模型并将其拟合到训练数据上。最后，我们使用模型对象的 score 方法评估测试数据上的模型。

train_test_split 函数中的 test_size 参数指定应用于测试的数据比例。在此示例中，我们将其设置为 0.2，这意味着 20% 的数据将用于测试，而 80% 的数据将用于训练。random_state 参数确保分割结果可重现，因此每次运行代码时都会获得相同的分割结果。

输出

执行此代码后，将产生以下输出 -

Accuracy: 1.00

总的来说，训练测试分割是评估机器学习模型性能的关键步骤。通过将数据分割成训练集和测试集，我们可以确保模型不会过度拟合训练数据，并且可以很好地泛化到新数据上。