在Python中拆分数据集和拆分比率以获得恒定精度

你应该得到不同的准确度。这就是机器学习的要点。（这真的是统计学习。）

然而，您的问题可能是您需要重复性，因此每次运行此操作时，您都希望将相同的条目子集拉入培训集中。在这种情况下，您应该能够指定RNG种子，并获得相同的伪随机线序列，以拉入您的训练集中

尽管如此，这种可预测性虽然可以很好地演示一种算法，但并不是机器学习的目的。

你应该得到不同的精确度。这就是机器学习的要点。（这真的是统计学习。）

然而，您的问题可能是您需要重复性，因此每次运行此操作时，您都希望将相同的条目子集拉入培训集中。在这种情况下，您应该能够指定RNG种子，并获得相同的伪随机线序列，以拉入您的训练集中

---

尽管如此，这种可预测性虽然可以很好地演示一种算法，但并不是机器学习的目的。

似乎你想要结果的再现性。为此，请使用随机值的种子。因此，通过再次使用种子，可以复制为分割生成的随机数

index = random.randrange(len(copy))

---

看起来你想要结果的再现性。为此，请使用随机值的种子。因此，通过再次使用种子，可以复制为分割生成的随机数

index = random.randrange(len(copy))

---

使用现有的实用程序，比如“是的”，我一直在学习这方面的知识，但不知道如何在代码中实现它。如果遇到错误，请在此处发布您正在使用的代码，包括错误跟踪和一些数据。使用现有的实用程序，如“是”，我一直在学习，但不知道如何在代码中实现它。只需看看这些示例。如果遇到错误，请在此处发布您正在使用的代码，并附上错误跟踪和一些数据。

import random
random.seed(1)

import numpy as np
np.random.seed(1)