TypeError: train_test_split()获得意外的关键字参数“test_size”
TypeError: train_test_split()获得意外的关键字参数“test_size”
这个错误是由于train_test_split()函数接收到了意外的关键字参数"test_size"导致的。train_test_split()函数是一个用于划分训练集和测试集的函数，常用于机器学习任务中。
train_test_split()函数的正确用法是指定参数test_size来控制测试集的大小，可以是一个浮点数表示测试集占总样本的比例，也可以是一个整数表示测试集的样本数量。例如，test_size=0.2表示将20%的样本作为测试集。
以下是一个示例代码，展示了train_test_split()函数的正确用法：
from sklearn.model_selection import train_test_split
# 假设有X和y两个数据集，分别表示特征和标签
X = ...
y = ...
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# 进行后续的模型训练和评估
...在腾讯云的机器学习服务中，推荐使用腾讯云的AI Lab平台，该平台提供了丰富的机器学习工具和资源，可以帮助开发者进行模型训练和部署。具体产品介绍和链接地址如下：
腾讯云AI Lab：https://cloud.tencent.com/product/ai-lab
相关·内容
from sklearn import datasets
import numpy as np
# Assigning the petal length and petal width of the 150 flower samples to Matrix X
# Class labels of the flower to vector y
iris = datasets.load_iris()
X = iris.data[:, [2, 3]]
y = iris.target
print('Class labels:', np.unique(y))
from sk
浏览 5提问于2020-09-08得票数 1
我正在尝试通过"train_test_split“来划分测试和训练数据。为什么我得到错误“至少需要一个数组作为输入”。
"train_test_split“的输入可以是数组和dataFrame，对吗？
import pandas as pd
import numpy as np
from rpy2.robjects.packages import importr
import rpy2.robjects as ro
import pandas.rpy.common as rpy_common
from sklearn.model_selection import trai
浏览 0提问于2017-11-17得票数 4
1回答
from sklearn import datasets
import numpy as np
iris = datasets.load_iris()
X = iris.data[:,[2,3]]
y = iris.target
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
from sklearn.svm import SVC
svm=SVC(kernel='linear&#
浏览 3提问于2017-04-10得票数 0
回答已采纳
我有以下代码
train_X, test_X, train_y, test_y = train_test_split(X.as_matrix(), y.as_matrix(), test_size=0.25)
其中X是一个DataFrame，y是一个系列。当调用上面的函数时，我会收到以下警告：
/opt/conda/lib/python3.6/site-packages/ipykernel_launcher.py:1: FutureWarning:方法.as_matrix将在将来的版本中删除。使用.values代替。
“”启动IPython内核的入口点。
然后，我尝试使用.values
浏览 0提问于2018-09-18得票数 9
回答已采纳
我正在研究sklearn.model_selection.train_test_split的scikit-learn实现。Sklearn通常有高质量的代码，所以我不时地阅读它来学习好的实践。但最近我发现了这样的东西： def train_test_split(*arrays, **options):
"""
...
"""
n_arrays = len(arrays)
if n_arrays == 0:
raise ValueError("At least one array re
浏览 37提问于2020-04-21得票数 3
我正在使用Python3.7，我试图将我的数据分成10000次训练和测试set.For，我试图改变我的随机种子。我正在编写以下代码 x=np.random.randint(10000)
np.random.seed(x)
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.20) #80% training data
print(x) 但在列车测试拆分中，我收到错误消息 TypeError: Singleton array array(5573) cannot be considered a valid colle
浏览 24提问于2020-05-04得票数 0
回答已采纳
2回答
用索引向量保存分裂的顺序
、、、
我希望将数据分割为训练和测试，以及包含名称的向量(它用作索引和引用)。
name_images has a shape of (2440,)
我的数据是：
data has a shape of (2440, 3072)
labels has a shape of (2440,)
from sklearn.cross_validation import train_test_split
x_train, x_test, y_train, y_test= train_test_split(data, labels, test_size=0.3)
但是我也想把我的name_images分成na
浏览 4提问于2017-04-06得票数 0
回答已采纳
1回答
背景信息：，我正在开发一个带有scikit的模型--学习。我使用sklearn.cross_validation模块将数据分割成单独的培训和测试集，如下所示：
def train_test_split(input_data):
from sklearn.cross_validation import train_test_split
### STEP 1: Separate y variable and remove from X
y = input_data['price']
X = input_data.copy(
浏览 3提问于2016-09-13得票数 2
回答已采纳
1回答
我想在我的SVM分类器上进行交叉验证，然后在实际的测试集上使用它。我想问的是，我是在原始数据集上进行交叉验证，还是在训练集上进行交叉验证，这是train_test_split()函数的结果？
import pandas as pd
from sklearn.model_selection import KFold,train_test_split,cross_val_score
from sklearn.svm import SVC
df = pd.read_csv('dataset.csv', header=None)
X = df[:,0:10]
y = df[:,10]
浏览 0提问于2018-03-08得票数 0
不确定如何修复。任何帮助都非常感谢。我看到了这个，但不确定我是否理解了它
train = df1.iloc[:,[4,6]]
target =df1.iloc[:,[0]]
def train(classifier, X, y):
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=33)
classifier.fit(X_train, y_train)
print ("Accuracy: %s" % classifier.scor
浏览 352提问于2017-04-05得票数 21
回答已采纳
我正在尝试将数据拆分为训练和验证数据，为此，我使用cuml.preprocessing.model_selection模块中的train_test_split。 但是得到了一个错误： ---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-317-4e11838456ea> in <module>
浏览 54提问于2021-05-03得票数 0
回答已采纳
2回答
当使用python将数据分成训练和测试时，我会得到以下错误
" too many values to unpack (expected 3)"
这是我的密码：
from sklearn.model_selection import train_test_split
X_train, X_test, y_train = train_test_split(features,prices, test_size=0.2, random_state=10)
print("Training and testing split was succesful")
这是预期的输出：
浏览 0提问于2019-09-08得票数 1
回答已采纳
TypeError:不能将单例数组数组(0.2)视为有效集合。
X = df.iloc[:, [1,7]].values
y= df.iloc[:,-1].values
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, 0.2)
我在尝试train_test_split时遇到此错误。我能够用x和y值训练我的模型。但是，我想拆分我的数据帧，然后对其进行训练和测试。
任何帮助都是非常感谢的。
浏览 0提问于2018-12-16得票数 6
回答已采纳
在运行我的代码时，我目前正在收到这个错误: TypeError: SparseDataFrame()不带任何参数。我该怎么解决这个问题？
查看下面的代码。
churndrop = churn.drop(['Churn'],axis=1) #drops churn column
x= churndrop #creates dataframe
y= churntarget # creates dataframe
y = np.ravel(y) # unravels y
y # shows y
from sklearn.model_selection import train
浏览 1提问于2020-04-05得票数 2
运行以下代码时，我收到错误TypeError: __init__() got an unexpected keyword argument 'average' 我做错了什么？ from sklearn.model_selection import GridSearchCV
X_train, X_holdout, y_train, y_holdout = train_test_split(X, y, test_size=0.3, random_state=17)
tree = DecisionTreeClassifier(random_state=17)
tree_par
浏览 45提问于2020-11-23得票数 0
我正在使用sklearn将SVM拟合到一些数据。我总共有24个样本(10个阴性，14个阳性)。 # Set model
clf = svm.SVC(kernel = 'linear', C = 1)
# Create train, test splits and fit SVM to data
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state = 0, test_size = 0.3, stratify = y)
clf.fit(X_train, y_train)
# Make p
浏览 49提问于2021-10-24得票数 0
回答已采纳
当我运行以下代码时：
from sklearn.model_selection import train_test_split
X_train, X_rest, y_train, y_rest = train_test_split(x, y, stratify=None,test_size=0.4)
我知道这个错误：
--------------------------------------------------------------------------
TypeError Traceback (most recent
浏览 4提问于2021-03-14得票数 0
回答已采纳
对于如下所示的数据帧df_content：
rated_object feature_1 feature_2 feature_n rating
o1 2.02 0 90.40 0
o2 3.70 1 NaN 1
o3 3.45 0 70.50 1
o4 7.90 1
浏览 12提问于2021-12-01得票数 0
我当时在IBM的数据平台上工作。我能够将数据加载到pyspark数据框架中，并创建了一个星星之火SQL表。分割数据集后，将其输入到分类算法中。它会产生诸如spark数据无法加载的错误。所需的雷达。
from sklearn.ensemble import RandomForestRegressor`
from sklearn.model_selection import train_test_split`
from sklearn import preprocessing`
import numpy as np`
X_train,y_train,X_test,y_test = train_t
浏览 2提问于2019-11-22得票数 0
回答已采纳
使用以下命令时，我收到了一个错误
trainset, testset = train_test_split(t2data, test_size=.15,train_size=0.85)
数据集包含用户评等、用户ids和产品ids。
错误信息：
AttributeError: 'DataFrame' object has no attribute 'raw_ratings'
我的dataframe没有任何名为raw_ratings的属性。
我就是这样读CSV的：
rdata = pd.read_csv('ratings_Electronics.csv
浏览 3提问于2020-10-05得票数 1
考虑一个不适合内存的非常大的数据集。在调用train_test_split时，我是否能够(几乎)从多个调用train_test_split获得(几乎)相同的行为，方法是一次传递一个源数据集的批处理，而不是整个过程？
这段代码只是一个假设，用来说明我的问题。
# X, y is the entire dataset.
x_train, y_train, x_test, y_test = train_test_split(X,y,stratify=y, test_size=.2)
# compared to
for x_bat, y_bat in stream_next_batch_from_f
浏览 0提问于2019-03-27得票数 1
回答已采纳
3回答
我们应该在哪里使用？
X_train,X_test,y_train,y_test= train_test_split(data, test_size=0.3, random_state=42)
我们应该在哪里使用
train, test= train_test_split(data, test_size=0.3, random_state=0).
前者返回如下：
值错误:没有足够的值来解压(预期的4，得到2)
浏览 1提问于2018-05-30得票数 8
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y,
test_size = 0.2, random_state=1)
而显示的是"name‘y“未定义。
浏览 7提问于2021-12-30得票数 -1
为什么每次运行代码时，我的sklearn.model_selection.train_test_split()都会返回相同的X_train、X_test、y_train、y_test示例，即使我保留了shuffle=True，并且没有手动定义种子值？
我印的样本如下：
X_train, X_test, y_train, y_test = train_test_split(x, y, test_size = 0.3, random_state = 100, shuffle=True)
print (y_test)
浏览 0提问于2021-08-05得票数 1
回答已采纳
我正在做一个公司项目，我需要将数据划分为三个部分--培训、验证和测试(保留)。
是否有人知道我如何将上述数据分成3部分，每个部分将有相似的响应变量(目标率)-(分类的精度相似，回归的均数类似)。
我知道如何使用SKLEARN中的train_test_split函数将数据分成3部分
from sklearn.model_selection import train_test_split
x, x_test, y, y_test = train_test_split(xtrain,labels,test_size=0.2,train_size=0.8)
x_train, x_cv, y_trai
浏览 0提问于2020-02-04得票数 4
回答已采纳
1回答
虽然使用sklearn包装器，但这样做对我来说非常容易：
import xgboost as xgb
clf = xgb.XGBClassifier( n_estimators=1500, learning_rate=0.015, gamma =0.3, min_child_weight = 3,nthread = 15,max_depth=150,
subsample=0.9, colsample_bytree=0.8, seed=2100, eval_metric = "rmse")
VALID = True
if VAL
浏览 0提问于2018-06-23得票数 0
回答已采纳
我正在尝试创建一个DataFrame，以检查不同的洗牌是否会影响模型的r平方值，用于训练以及测试数据集。我试着运行for循环来做到这一点，但得到了错误。我对如何使用pd.DataFrame方法创建两列感到困惑，其中索引是该随机状态的随机状态值，而r-平方值用于训练和测试。
我写的代码：
%%time
for i in range(0,100):
X_train,X_test,y_train,y_test = train_test_split(features,prices,test_size=0.2,random_state=i)
regr.fit(X_train,y_trai
浏览 2提问于2022-03-21得票数 0
1回答
使用KNN和我想要对不同的规范化器(规范化器()、MinMaxScaler()、StandardScaler()等)进行实验。
我已经将数据加载到一个名为X的变量中：
X = pd.read_csv('C:/Users/rmahesh/documents/parkinson.csv')
在做了一些数据争论之后，我尝试运行以下代码：
from sklearn import preprocessing
from sklearn.decomposition import PCA
T = preprocessing.Normalizer().fit(X)
from sklearn.
浏览 2提问于2018-05-28得票数 0
回答已采纳
因此，当我尝试运行下面这行代码时：
X_train, X_test, Y_train, Y_test=train_test_split(X_features, Y_feature, test_size=0.2, random_state=42, stratify=None, shuffle=False)
我得到以下错误：
TypeError: Invalid parameters passed: {'shuffle': False}
Yet, the 'shuffle' parameter is listed on scikitlearn website (ht
浏览 32提问于2017-08-28得票数 5
回答已采纳
谁能解释一下错误是什么以及如何避免？同样的代码在我的Jupyter和Spider环境中也能正常工作。我也不明白为什么这在kaggle内核上不起作用。
下面是我的代码。
# Prepare X and y objects for sikitlearn
X = df.iloc[:, 1:5].values
y = df.iloc[:,-1].values
# Splitting the Dataset into the training set and the test set
X_train, X_test, y_train, y_test = train_test_split(X,y, te
浏览 0提问于2018-11-15得票数 0
我打算在使用StandardScaler后使用配对图将数据可视化，但我的代码产生了以下错误
raise TypeError(msg)
TypeError: cannot concatenate object of type '<class 'numpy.ndarray'>'; only Series and DataFrame objs are valid
全码
from matplotlib import pyplot as plt
from sklearn.model_selection import train_test_split
i
浏览 17提问于2021-12-18得票数 0
回答已采纳
我想使用train_test_split来创建我的数据的训练、验证和测试集。根据其他帖子的说法，“简单”的方法是运行train_test_split两次。这是有道理的。但当我尝试这样做时，它在第二次运行拆分时报告了一个错误。(Sklearn版本: 0.23.2)我是不是遗漏了什么？
from sklearn.datasets import make_classification
df = make_classification()
X = df[0]
y = df[1]
X_train, X_test, y_train, y_test = train_test_split(X, y, tes
浏览 12提问于2021-03-04得票数 0
回答已采纳
1回答
为多个名称赋值
、、、
我见过很多Python代码片段，它们的代码是这样的：
labels, features = targetFeatureSplit(data)
或者类似于
ages_train, ages_test, net_worths_train, net_worths_test = train_test_split(ages, net_worths, test_size=0.1, random_state=42)
他们如何分配这些值？
浏览 4提问于2016-07-21得票数 0
回答已采纳
不确定如何修复此问题，请帮助。代码如下：
from sklearn.feature_extraction.text import CountVectorizer
all_features = vectorizer.fit_transform(df['text'].values.astype('U'))
vectorizer.vocabulary_
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(vec
浏览 60提问于2021-05-28得票数 0
我需要把我的数据集分成训练和测试。我需要最后20%的测试和前80%的培训。我目前使用了'train_test_split()‘，但是它随机地选择数据，而不是最后的20%。我如何才能得到最后20%的测试和前80%的培训？我的代码如下：
numpy_array = df.as_matrix()
X = numpy_array[:, 1:26]
y = numpy_array[:, 0]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=20) #I do not want the data to be r
浏览 0提问于2018-03-01得票数 0
回答已采纳
1回答
我试图在Python中运行带有外生输入的非线性自回归(NARX)。
这是我的密码
步骤1:导入库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sysidentpy.model_structure_selection import FROLS
from sysidentpy.basis_function import Polynomial, Fourier
from sysidentpy.metrics import root_relative_squared_error
from sys
浏览 30提问于2022-05-29得票数 1
2回答
当我使用train_test_splid作为：
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test =train_test_split(X, Y, test_size = 0.9)
如果我没有设置特定的random_state。如何获取程序使用的当前随机种子？
浏览 4提问于2021-04-24得票数 1
回答已采纳
我试图将一个函数传递给tf数据集，以规范数据框架中的非数字数据，但是我一直收到以下错误：
TypeError:在用户代码中: TypeError: tf__norm()接受一个位置参数，但给出了两个
def norm(dataframe):
for header in dataframe._get_numeric_data().columns:
dataframe[header] = (dataframe[header] - dataframe[header].mean())/dataframe[header].std()
return dataframe
t
浏览 10提问于2020-09-13得票数 1
回答已采纳
有没有办法使用kf = KFold(n_splits=10)已经实现的10个Kfolds中的8个训练子集来训练模型？
我想把我的数据分成三个子集:训练、验证和测试(我想这可以通过使用两次train_test_split来完成……)。
训练集用于拟合模型，验证集用于调整参数，测试集用于评估最终模型的泛化误差。
但我想知道是否有一种方法可以只训练10个折叠中的8个，并获得错误/准确性，在1个折叠上验证它，最后在最后一个折叠中测试它，获得它们的错误/准确性。
下面是我的想法：
X_train, X_test, y_train, y_test = train_test_split(X, y, test
浏览 3提问于2018-03-06得票数 0
我目前正在尝试使用Python的线性回归()模型来描述两个变量X和Y之间的关系。给定一个8列和1000行的数据集，我想使用split_train_test将这个数据集分成训练集和测试集。
我的问题:我想知道train_test_split(dataset，test_size，random_test=int)和train_test_split(dataset，test_size).Also之间有什么区别，第二个测试集(没有设置random_test=int)是否每次我重新运行程序时给我一个不同的测试集和训练集？另外，每次我重新运行我的程序时，第一个测试集和训练集会给我相同的测试集和训练集吗？例如
浏览 1提问于2017-07-08得票数 0
回答已采纳
我的数据包括99%的目标变量= 1和1%的目标变量= '0‘。分层保证了列车测试和测试集在目标变量上的数据比例是相等的。像在容器中一样，等量的'1‘和'0'？
请参阅下面的代码以进行澄清。
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2,stratify=y,random_state=42)
浏览 0提问于2018-01-23得票数 0
回答已采纳
10回答
谁能告诉我为什么我们在分离训练和测试集时将随机状态设置为零。
X_train, X_test, y_train, y_test = \
train_test_split(X, y, test_size=0.30, random_state=0)
我见过这样的情况，随机状态设置为1！
X_train, X_test, y_train, y_test = \
train_test_split(X, y, test_size=0.30, random_state=1)
在交叉验证中，这种随机状态的后果是什么？
浏览 0提问于2017-02-13得票数 48
我正在尝试使用sklearn执行与经典kfold的交叉验证
def train_and_evaluate(clf, X_train, y_train):
clf.fit(X_train, y_train)
# create a k-fold cross validation iterator of k=5 folds
cv = KFold(int(X_train.shape[0]), 4, shuffle = True) ## Classic KFold
scores = cross_val_score(clf, X_train, y_train, cv=cv
浏览 5提问于2018-02-23得票数 0
回答已采纳
我们想将我们的数据分成3部分，但我们得到了以下错误： TypeError: int() argument must be a string, a bytes-like object or a number, not 'NoneType' 下面你可以看到我们的python代码： data = pd.read_csv('/content/drive/My Drive/GTruth.csv')
def dataset_gen(data, size = (224,224,3)):
img_data = []
labels = []
浏览 275提问于2020-08-04得票数 2
回答已采纳
我试图使用melt()函数，但它显示了传递2个参数的错误，这非常奇怪，因为我将id作为参数传递，而在id中，我只有一个id列，尽管只有当我使用由train_test_split函数从dataset分离出来的数据时，才会出现此错误，否则它会正常工作。
错误消息：
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input
浏览 4提问于2021-05-05得票数 0
回答已采纳
我使用xgboost v0.90训练了一个模型，使其与AWS SageMaker ML引擎兼容。我正在做通常的编码和超参数调优。以下是一些代码：
import pandas as pd
import pickle
from xgboost import XGBRegressor
from sklearn.model_selection import train_test_split, GridSearchCV, RandomizedSearchCV
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing
浏览 13提问于2021-12-07得票数 2
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(image_data, labels, test_size = 0.2, random_state = 101)
显示错误：
ValueError:对于n_samples=0、test_size=0.2和train_size=None，产生的火车将是空的。调整上述任何参数.
浏览 3提问于2020-01-06得票数 0
当我运行这段代码时：
feature_names = ["date","shop_id", "item_id", "item_price", "item_cnt_day"]
feature_names
X_train = train[feature_names]
print(X_train.shape)
X_train.head()
X_sales = sales[feature_names]
print(X_sales.shape)
X_sales.head()
from sklearn.model_sel
浏览 0提问于2021-02-09得票数 0
3回答
你能告诉我这两者的区别吗？
dtrain, dtest = train_test_split(df, test_size=0.33, random_state=42)
history = model.fit(
x=[train_cont_feats, train_cate_feats],
'y=train_rating',
'batch_size=64',
'epochs=50',
verbose=1,
validation_split=.2 )
浏览 7提问于2022-01-29得票数 1
3回答
绘图重要性变量xgboost
、、、、
当我绘制特征重要性图时，我得到了这个混乱的图。我有超过7000个变量。我知道内置函数只选择最重要的部分，尽管最终的图形是不可读的。这是完整的代码：
import numpy as np
import pandas as pd
df = pd.read_csv('ricerice.csv')
array=df.values
X = array[:,0:7803]
Y = array[:,7804]
from xgboost import XGBClassifier
from sklearn.model_selection import train_test_split
from
浏览 3提问于2018-08-18得票数 12
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
