Python中使用scikit-learn分割Wine数据集
发布时间：2026-10-12 |
2人浏览过
本文介绍如何使用Python的scikit-learn库中的train_test_split函数，对来自UCI的Wine数据集进行随机分割。通过加载包含178条样本和13个特征的数据，演示如何将数据划分为训练集和测试集，为后续模型训练做准备。
数据集介绍
本文使用的数据集为Wine，来源于UCI机器学习仓库。该数据集共包含178条样本，每条样本具有13个特征变量。
import pandas as pd
import numpy as np
df_wine = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data', header=None)
df_wine.columns = ['Class label', 'Alcohol',
'Malic acid', 'Ash',
'Alcalinity of ash', 'Magnesium',
'Total phenols', 'Flavanoids',
'Nonflavanoid phenols',
'Proanthocyanins',
'Color intensity', 'Hue',
'OD280/OD315 of diluted wines',
'Proline']
分割训练集和测试集
随机分割
将数据集划分为训练集和测试集。
具体方法：调用scikit-learn库中model_selection子模块提供的train_test_split函数。
from sklearn.model_selection import train_test_split X, y = df_wine.ix[:, 1:].values, df_wine.ix[:, 0].values X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)#随机选择25%作为测试集，剩余作为训练集
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
