一、sklearn.model_selection.train_test_split

作用：

隨機劃分訓練集和測試集  

官網文件：

http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html#sklearn.model_selection.train_test_split

一般形式：

train_test_split是交叉驗證中常用的函式，功能是從樣本中隨機的按比例選取train_data和test_data，

形式為：

X_train,X_test, y_train, y_test =  cross_validation.train_test_split(train_data,train_target,test_size=0.4, random_state=0) 

引數解釋：  

train_data：所要劃分的樣本特徵集；train_target：所要劃分的樣本結果；test_size：樣本佔比，如果是整數的話就是樣本的數量；random_state：是隨機數的種子。（隨機數種子：其實就是該組隨機數的編號，在需要重複試驗的時候，保證得到一組一樣的隨機數。比如你每次都填1，其他引數一樣的情況下你得到的隨機陣列是一樣的。但填0或不填，每次都會不一樣。隨機數的產生取決於種子，隨機數和種子之間的關係遵從以下兩個規則：種子不同，產生不同的隨機數；種子相同，即使例項不同也產生相同的隨機數。）

二、sklearn.cross_validation模組

cross validation的含義：

對於原始資料我們要將其一部分分為train_data，一部分分為test_data。train_data用於訓練，test_data用於測試準確率。在test_data上測試的結果叫做validation error。將一個演算法作用於一個原始資料，我們不可能只做出隨機的劃分一次train_data和test_ data，然後得到一個validation error，就作為衡量這個演算法好壞的標準。因為這樣存在偶然性。我們必須好多次的隨機的劃分train data和test data，分別在其上面算出各自的validation error。這樣就有一組validation error，根據這一組validation error，就可以較好的準確的衡量演算法的好壞。 

cross validation是在資料量有限的情況下的非常好的一個evaluate performance的方法。而對原始資料劃分出train_data和test_data的方法有很多種，這也就造成了cross validation的方法有很多種。   

（1）sklearn中的cross validation模組，最主要的函式是：sklearn.cross_validation.cross_val_score。

他的呼叫形式：

scores = cross_validation.cross_val_score(clf, raw data, raw target, cv=5, score_func=None) 

引數解釋： 

clf：不同的分類器，可以是任何的分類器。比如支援向量機分類器（clf = svm.SVC(kernel='linear', C=1)）。 

cv：代表不同的cross validation的方法了。如果cv是一個int數字的話，並且如果提供了raw target引數，那麼就代表使StratifiedKFold分類方式，如果沒有提供raw target引數，那麼就代表使用KFold分類方式。

cross_val_score函式的返回值就是對於每次不同的的劃分raw_data時，在test_data上得到的分類的準確率。至於準確率的演算法可以通過score_func引數指定，如果不指定的話，是用clf預設自帶的準確率演算法。 還有其他的一些引數不是很重要。

（2）train_test_split 

功能：

從樣本中隨機的按比例選取train_data和test_data。

呼叫形式：

X_train, X_test, y_train, y_test = cross_validation.train_test_split(train_data, train_target, test_size=0.4, random_state=0) 

引數解釋：

test_size是樣本佔比。如果是整數的話就是樣本的數量。random_state是隨機數的種子。不同的種子會造成不同的隨機取樣結果。相同的種子取樣結果相同。