我试着理解这行代码：
msk = np.random.rand(len(df)) < 0.8根据我的理解，numpy.random.rand(len(df))返回一个[0，1）之间的数字数组，由均匀分布生成。
数组中的每个数字代表什么？数据的值是否相同？
在此之后，我们得到布尔对象数组，然后创建训练集和测试集。
train = cdf[msk]
test = cdf[~msk]在这段代码中，对于cdf中的每一列，它是否匹配数组msk布尔对象，如果它是True，它将该行放入train中？如果False被设置为test呢？
我想知道我的理解是否正确
2条答案
按热度按时间toiithl61#
np.random.rand(len(df))从均匀（0，1）分布中随机采样len(df)浮点数。从该分布中采样生成0到1之间的数字。msk是一个布尔数组。如果
np.random.rand随机生成的第i个值小于（<）0.8，则msk[i]为True。如果
np.random.rand随机生成的第i个值大于或等于（>=）0.8，则msk[i]为False。~msk将True翻转为False，将False翻转为True。这样，cdf的值（其中msk是True）被分配给数组train，cdf的值（其中msk是False）被分配给test。通过这种设置，您可以预期大约80%的
cdf被分区到train中，剩余的约20%被分区到test中。pgpifvop2#
np.random.rand(len(df))=>总之，上面的代码行只是一个选择标准生成器，其中df的长度用于生成0和1之间的随机值。msk = np.random.rand(len(df)) < 0.8=>msk返回一个布尔数组，其中小于0.8的随机值为true，反之亦然。train = cdf[msk]=>这将返回cdf Dataframe 索引，其中msk值为True，test = cdf[~msk]=>这将返回cdf Dataframe 索引，其中msk值为False，因此将 Dataframe cdf分为训练数据（80%）和测试数据（20%）enter image description here