machine-learning - 为什么我们在 train_test_split 的两个数组中都包含目标类？

Question

X_train, test_df, y_train, y_test = train_test_split(result, y_true, stratify = y_true, test_size = 0.2)

在上面的 train_test_split 使用示例中，result 是数据帧，y_true 是由数据帧的目标类列形成的 numpy 数组。

我的问题是，如果我们已经单独给出了“y_true”，为什么还要将整个“结果”数据框作为 train_test_split 中的输入参数之一？我的意思是，我们不应该首先从“结果”数据框中排除目标类列吗？

Answer 1

Scikit-learn 有 pandas 支持，但 pandas 不是必需的。对于 numpy 数组，将特征和标签放在同一个数组中并不总是有意义，因此是 train_test_split 函数的当前设计。因此，您需要确保您的 结果 DataFrame 及其拆分具有您想要的格式。如果 y_true 是 result DataFrame 的一部分，您可以(并且应该)选择在函数调用之前或之后将其排除。