训练集和测试集

本课属于 Coddy Machine Learning 学习旅程的“监督学习”单元。第 2 课，共 58 课。

模型可能会记住它学习过的行，所以用这些行测试它并不能证明什么。把一些行藏起来：测试集代表新数据。

按顺序排列的 12 行编号数据被打乱并分配：9 个蓝色单元格，9、10、2、8、1、7、9、3、0、5，标记为训练集；3 个橙色单元格，6、11、4，标记为测试集

这个旅程中的第一个模型研究了 112 朵鸢尾花，并给其中 38 朵分类。这行代码将它们分配了出去：

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

iris = load_iris()
X = iris.data
y = iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)
print(X_train.shape, X_test.shape)

这会打印出 (112, 4) (38, 4)。四个部分始终按这个顺序排列，random_state=0 会让洗牌结果重复。

在训练集上训练。最后再打开测试集，而且只打开一次。

挑战

简单

林地里的一台夜间相机拍下了 200 只动物，每只都是狐狸或獾，数据保存在 camera.csv 中。拆分后能得到公平的测试集吗？起始代码创建了 X 和 y，并读取 test_size。

使用该 test_size 和 random_state=0 进行拆分。
按下面的格式打印数量。
打印每个部分中狐狸所占的比例，取整为百分比。

换一片林地，并使用 0.25：

Train: 90 snapshots
Test: 30 snapshots
Foxes: 52% of train, 47% of test

亲手试试

import pandas as pd

# 夜间摄像头拍摄的每张照片占一行
camera = pd.read_csv("camera.csv")
X = camera[["minutes_after_sunset", "length_cm", "speed_kmh"]]
y = camera["animal"]
test_size = float(input())

# 在下方编写你的代码