好的！以下是关于“机器学习实验中留出法”的Python代码及详细解释。 --- ### **留出法简介** 留出法是一种简单的数据集划分技术，通常将原始数据随机划分为训练集和测试集两部分。例如常见的80%-20%的比例分配，即80%的数据用于模型训练，剩下的20%用于验证模型性能。这种方法简单直接，但可能会因为数据分布差异导致结果不稳定。 下面是基于`sklearn`库的一个示例代码及其解释： --- ### **代码** ```python # 导入必要的库 from sklearn.model_selection import train_test_split from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifier # 加载鸢尾花数据集作为例子 data = load_iris() X, y = data.data, data.target # 特征矩阵 X 和标签向量 y # 使用train_test_split函数进行数据分割 # test_size=0.2 表示20%的数据用作测试集，random_state保证每次运行得到相同的划分 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 初始化分类器（这里选择决策树） clf = DecisionTreeClassifier() # 训练模型 clf.fit(X_train, y_train) # 测试模型并打印准确率 accuracy = clf.score(X_test, y_test) print(f"模型在测试集上的准确率为: {accuracy:.2f}") ``` --- ### **代码解析** 1. **导入库** - `train_test_split`: 这是scikit-learn提供的工具之一，可以快速完成数据的切分。 - `load_iris`: 鸢尾花数据集是一个经典的多类别分类任务样本数据。 - `DecisionTreeClassifier`: 决策树是一种常用的监督学习算法，适用于本例中的分类任务。 2. **加载数据** - 数据集中包含特征 (`X`) 和对应的标签 (`y`)。我们需要对它们同时进行切割操作。 3. **划分数据** - 调用`train_test_split()` 函数指定`test_size=0.2`表示保留20%的数据供后续评估，其余80%则参与训练过程；通过设置固定的`random_state`值让程序生成的结果具备重现能力。 4. **初始化模型 & 模型训练** 创建一个未训练过的决策树实例，并利用已知标记信息对其进行拟合(`fit()`)以捕捉潜在模式规律。 5. **评价模型表现** 借助先前分离出来的独立样本集合检查当前系统的预测效能情况——最终得出具体数值形式表述的整体精确程度得分(`score()`返回值介于[0,1]之间)。 --- ### **注意点** - 留出法虽然容易理解也方便实现，但由于只采用了单次分区策略，在某些极端状况下或许难以全面反映真实泛化能力水平。 - 如果希望进一步提升可靠性和稳定性，则应考虑交叉验证等更高级别的评测手段替代之。 --- ####