在“训练-测试-分割-学习”中随机定义训练规模

Question

我试图将我拥有的数据分成40%训练和60%验证，然后我想重复这个30次，每次都是随机训练和不同的验证。我该怎么做？（不使用Kfold）

这是我写的，但我每次都得到相同的结果，准确性，我不知道如何做到这与不同的培训和验证每次。我每次迭代的精确度都是一样的，我不知道为什么。在

for i in range (30):
      X_train, X_test, y_train, y_test =train_test_split(df,y, 
      train_size=0.4, shuffle=True)
      metrics.accuracy_score(linsvc.predict(X_train), R_train)

Answer 1

为了实现30次迭代中每个迭代的随机训练大小，可以使用随机生成器，然后将其用作训练集大小的一部分。在

---

使用这个：

from sklearn.model_selection import train_test_split
import random
import numpy as np

X = np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12]])
y = np.array([1, 2, 1, 2, 1, 2])

for i in range(30):
    # the training size will vary between 0.2 and 0.5 randomly
    random_portion = round(random.uniform(0.2, 0.5) , 3)
    X_train, X_test, y_train, y_test =train_test_split(X,y, train_size= random_portion, shuffle=True)

您可以相应地修改代码。在

---

编辑1

您可以根据需要只使用numpy执行相同操作。

^{pr2}$