Python 在训练测试中随机定义训练大小

我试图将我拥有的数据分为

40%

训练和

60%

验证，然后我想重复这个

30次，每次随机训练和不同的验证。我该怎么做？（不使用
Kfold
）

这是我写的，但我每次都得到相同的结果，以确保准确性，我不知道如何通过每次不同的培训和验证来做到这一点。每次迭代我的精度都是一样的，我不知道为什么

for i in range (30):
      X_train, X_test, y_train, y_test =train_test_split(df,y, 
      train_size=0.4, shuffle=True)
      metrics.accuracy_score(linsvc.predict(X_train), R_train)

要获得30次迭代中每个迭代的随机训练大小，可以使用随机生成器，然后将其用作训练集大小的一部分


使用以下命令：

from sklearn.model_selection import train_test_split
import random
import numpy as np

X = np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12]])
y = np.array([1, 2, 1, 2, 1, 2])

for i in range(30):
    # the training size will vary between 0.2 and 0.5 randomly
    random_portion = round(random.uniform(0.2, 0.5) , 3)
    X_train, X_test, y_train, y_test =train_test_split(X,y, train_size= random_portion, shuffle=True)

您可以相应地修改代码


编辑1
您可以根据需要仅使用
numpy
执行相同操作。

from sklearn.model_selection import train_test_split
import numpy as np

X = np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12]])
y = np.array([1, 2, 1, 2, 1, 2])

for i in range(30):
    random_portion = round(np.random.rand(),3)
    X_train, X_test, y_train, y_test =train_test_split(X,y, train_size= random_portion, shuffle=True)

你能解释一下相同的结果是什么意思吗？你做了什么来检查它们是否相同？是的，我必须用不同的分区重复这个
30次。然而，我把training设置为
.4
并将shuffle设置为true，我认为这可能会将training更改为random，但训练集仍然是
40%
的数据。你能尝试用生成的随机数更改random\u state参数吗？你的意思是：
X\u train，X\u test，y\u train，y\u test=train\u test\u split（df，y，序列大小=0.4，随机播放=False，随机播放状态=42）
？下次它会随机改变训练大小吗？你是在
for
循环中进行模型拟合和评分吗？谢谢@seralouk。我的问题是我不能导入
random
或
ShuffleSplit
。只需
numpy
和
训练测试分割
。这是任务还是任务？你为什么不能导入随机？请参阅我的回答中的编辑1谢谢。是的，这是一项作业。我也无法导入
shuffle
。这与最初的问题完全不同。如果您希望在所有迭代中拥有相同部分的训练数据，请指定
train\u size=0.5
和
shuffle=True
。这样，对于每个迭代迭代你将有50%的训练数据和样本将随机洗牌。