如何在Python中循环获得各种逻辑回归测试大小的准确度分数？

我试图循环不同的测试大小，以了解逻辑回归的最佳测试大小，从而获得最高的正确预测精度

基本上，在下面的代码中，我试图在定义的范围ts_范围内循环通过ts。 我得到TypeError:“float”对象不能解释为整数

有人有解决这个错误的方法，或者有人知道一种不同的整洁方法来打印逻辑回归的不同测试大小的准确度分数吗

提前谢谢

from sklearn.model_selection import train_test_split
from sklearn import metrics
ts_range = range(0,0.6)
ts_scores = []
for ts in ts_range:
    X_train, X_test, y_train, y_test = train_test_split(X,y, test_size = ts, random_state=4)
    y_pred = logisticreg.predict(X_test)
    scores = (metrics.accuracy_score(y_test, y_pred))
    ts_scores.append(scores.mean())

print(ts_scores) 

范围用于创建整数序列：0、1、2、3、4、。。。比如说

如果要创建以下序列：0.0、0.1、0.2、0.3、0.4、0.5、0.6。例如，您可以执行以下操作：

ts_range = [n/10 for n in range(7)]

---

这给出了另一个错误值error:test_size=0.0应该是正的，并且小于0,1中的浮点数range@Adam似乎0是非法值。