SingleSplit

class SingleSplit(test_size=0.25, train_size=None, random_state=None, shuffle=True, stratify=None)

用于编排的辅助类，使用单一分割进行训练和测试。

sklearn.model_selection.train_test_split 的包装器

参数:

*数组具有相同长度/形状[0]的可索引序列

允许的输入包括列表、numpy 数组、scipy-sparse 矩阵或 pandas 数据框。

测试规模float, int 或 None, 可选 (默认=0.25)

如果是浮点数，应在0.0到1.0之间，表示测试分割中包含的数据集比例。如果是整数，表示测试样本的绝对数量。如果是None，该值设置为训练大小的补数。默认情况下，该值设置为0.25。默认值将在版本0.21中更改。只有在未指定``train_size``时，它才会保持为0.25，否则它将补充指定的``train_size``。

train_sizefloat, int, 或 None, (默认=None)

如果是浮点数，应在0.0到1.0之间，表示训练分割中包含的数据集比例。如果是整数，表示训练样本的绝对数量。如果是None，该值会自动设置为测试大小的补数。

random_stateint, RandomState 实例或 None, 可选 (默认=None)

如果为整数，random_state 是随机数生成器使用的种子；如果为 RandomState 实例，random_state 是随机数生成器；如果为 None，随机数生成器是 np.random 使用的 RandomState 实例。

洗牌布尔值，可选（默认=True）

在分割数据之前是否对数据进行洗牌。如果 shuffle=False，则 stratify 必须为 None。

分层类似数组或 None (默认=None)

如果不是 None，数据将按分层方式分割，使用此作为类别标签。

方法

get_n_splits()	返回分割的次数（1）。
split(data[, y, groups])	将数据分为训练数据和测试数据。

split(data, y=None, groups=None)

将数据分为训练数据和测试数据。

参数:

数据pandas 数据框

用于交叉验证的数据

返回:

元组

(训练, 测试) 索引

static get_n_splits()

返回分割的次数（1）。