为什么在train_test_split的两个数组中都包含目标类？

Posted 2021-05-05

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示例用法中，result是数据帧，y_true是从数据帧的目标类列形成的numpy数组。

我的问题是，如果我们已经分别给出了y_true，为什么我们将整个结果数据帧作为train_test_split中的输入参数之一？我的意思是，我们是否不应该首先从“结果”数据框中排除目标类列？

答案

Scikit-learn具有熊猫支持，但不是必需的。使用numpy数组时，将功能和标签都放在同一数组中并不总是很有意义，因此train_test_split函数的当前设计。因此，由您来确保result DataFrame及其拆分具有所需的格式。如果y_true是result DataFrame的一部分，则可以（并且应该）选择在函数调用之前或之后将其排除。