对于一个学校项目，我需要将一个数据集拆分为给定比率的训练集和测试集。该比率是用作训练集的数据量，而其余数据用作测试。我根据教授的要求创建了一个基本实现，但我无法让它通过他创建的测试。下面是我的实现以及参数和返回变量所代表的内容
def splitData(X, y, split_ratio = 0.8):
'''
X: numpy.ndarray. Shape = [n+1, m]
y: numpy.ndarray. Shape = [m, ]
split_ratio: the ratio of examples go into the Training, Validation, and Test sets.
Split the whole dataset into Training, Validation, and Test sets.
:return: return (training_X, training_y), (test_X, test_y).
training_X is a (n+1, m_tr) matrix with m_tr training examples;
training_y is a (m_tr, ) column vector;
test_X is a (n+1, m_test) matrix with m_test test examples;
test_y is a (m_test, ) column vector.
'''
## Need to possible shuffle X array and Y array
## amount used for training
m_tr = len(X) * train_ratio
##m_test = len(X) - m_tr Amount that is used for testing
training_X = X[1:m_tr]
training_y = y[1:m_tr]
test_X = [m_tr:len(X)]
test_y = [m_tr:len(y)]
return training_X, training_y, test_X, test_y由于指令的原因，我在声明m_test时加入了我的注解，但我非常肯定，将数组从第一个元素拆分为m_tr给出了总训练量，其余部分是测试数据。测试数据是通过从m_tr到len（x）或len（y）迭代每个列表找到的。我是否误解了拆分的工作原理？
PS -教授说我们可以跳过验证的拆分。
2条答案
按热度按时间tzxcd3kk1#
主要有3个问题：
1.在文档中指定需要剪切列，而不是行
1.您应该返回2个对，而不是长度为4的元组
1.由于某种原因，您删除了第0个样本，因为您使用“1：“而不是“0：“进行切割
lsmepo6l2#
1.函数参数称为split_ratio，但在实现函数时使用train_ratio。
1.变量m_tr是列表长度（data）乘以比率（split_ratio）的结果，这种运算的结果可以是浮点数，而用于分割数据的切片只接受整数。
1.对于test_X和test_y，在切片之前没有提供数据。
1.对于training_X和training_y，从第二个元素开始切片，因为您指定了1而不是0。因此，您丢失了第一个数据元素。
我纠正了你的错误：