划分数据集

在实现机器学习的过程中，训练集是用来训练模型的，给模型输入和对应的输出，让模型学习它们之间的关系。

验证集是用来估计模型的训练水平，比如分类器的分类精确度，预测的误差等，我们可以根据验证集的表现来选择最好的模型。

划分数据集功能描述：将一个大数据集按比例划分为训练集和验证集（如下图)

代码：

#split_data.py
# 划分数据集flower_data，数据集划分到flower_datas中，训练验证比例为8：2
import os
from shutil import copy
import random


def mkfile(file):
    if not os.path.exists(file):
        os.makedirs(file)


# 获取data文件夹下所有文件夹名（即需要分类的类名）
#划分数据集flower_data，数据集划分到flower_datas中
file_path = 'F:/gao/data/flower_data'
new_file_path = 'F:/gao/data/flower_datas'

# 划分比例，训练集 : 验证集 = 8 : 2
split_rate = 0.2

data_class = [cla for cla in os.listdir(file_path)]

train_path = new_file_path + '/train/'
val_path = new_file_path + '/val/'
# 创建 训练集train 文件夹，并由类名在其目录下创建子目录
mkfile(new_file_path)
for cla in data_class:
    mkfile(train_path + cla)

# 创建 验证集val 文件夹，并由类名在其目录下创建子目录
mkfile(new_file_path)
for cla in data_class:
    mkfile(val_path + cla)


# 遍历所有类别的全部图像并按比例分成训练集和验证集
for cla in data_class:
    cla_path = file_path + '/' + cla + '/'  # 某一类别的子目录
    images = os.listdir(cla_path)  # iamges 列表存储了该目录下所有图像的名称
    num = len(images)
    eval_index = random.sample(images, k=int(num * split_rate))  # 从images列表中随机抽取 k 个图像名称
    for index, image in enumerate(images):
        # eval_index 中保存验证集val的图像名称
        if image in eval_index:
            image_path = cla_path + image
            new_path = val_path + cla
            copy(image_path, new_path)  # 将选中的图像复制到新路径

        # 其余的图像保存在训练集train中
        else:
            image_path = cla_path + image
            new_path = train_path + cla
            copy(image_path, new_path)
        print("\r[{}] processing [{}/{}]".format(cla, index + 1, num), end="")  # processing bar
    print()

print("processing done!")

注意：

只需要修改file_path（源文件夹）和new_file_path（新生成的文件夹）

其次是修改split_rate（split_rate=0.2就是训练集：验证集=8：2）

）和new_file_path（新生成的文件夹）

其次是修改split_rate（split_rate=0.2就是训练集：验证集=8：2）