Как работает библиотека sklearn для разделения данных на обучающую и тестовую выборки?

Библиотека sklearn для разделения данных на обучающую и тестовую выборки работает с помощью функции traintestsplit. www.bitdegree.org habr.com По умолчанию она просто случайно выбирает, какие объекты пойдут в обучение, а какие — в тест. habr.com

Однако поведение функции можно настраивать: habr.com

• test_size — доля тестовой выборки. habr.com По умолчанию 0,25, можно задать любое значение от 0 до 1. habr.com
• trainsize — доля обучающей выборки. habr.com Если указано одновременно с testsize, они должны суммироваться до 1. habr.com
• random_state — фиксирует результат, чтобы при каждом запуске разбиение было одинаковым. habr.com Число может быть любым — главное, чтобы оно не менялось между запусками. habr.com
• stratify=y — сохраняет соотношение классов в целевой переменной, как было в исходных данных. habr.com Это важно, если один из классов сильно преобладает — например, 90% объектов одного типа и только 10% другого. habr.com

После разделения данных функция возвращает список, содержащий различные объекты того же типа, что и переданные в неё массивы. datagy.io