问答 · ANSWER
数据集准备及划分是什么？
直接回答
数据集准备指将数据整理为特征矩阵X和标签向量y的标准格式。划分则是将数据分为训练集和测试集，以支持对模型性能进行客观评估。
关键要点
- 数据集标准格式包括特征矩阵X（形状为n_samples×n_features）和标签向量y（形状为n_samples）。
- 划分数据集是为了避免在训练集上测试导致的评估偏差，实现客观评估。
- 常用train_test_split函数划分，参数test_size指定测试集比例，random_state支持结果可复现。
- 完整建模流程为：准备数据、划分数据、训练模型、进行预测、评估性能。
怎么选 / 怎么做
1. 准备数据：将数据整理为特征矩阵X和标签向量y的标准格式。
2. 划分数据：使用train_test_split函数，指定test_size（如0.25）和random_state参数，得到X_train, X_test, y_train, y_test。
3. 训练模型：在训练集上调用模型的.fit(X_train, y_train)方法。
4. 进行预测：在测试集上调用模型的.predict(X_test)方法得到预测结果y_pred。
5. 评估性能：比较y_pred和y_test，使用准确率等指标评估。
常见问题
为什么需要划分数据集？
避免用练习题当考试，支持模型评估的客观性。
数据集的标准格式是什么？
特征矩阵X（二维数组）和标签向量y（一维数组）。
train_test_split的random_state有什么用？
设置随机种子，便于结果复现和实验比较。