{"id":178842,"date":"2026-02-18T22:27:36","date_gmt":"2026-02-18T21:27:36","guid":{"rendered":"https:\/\/liora.io\/de\/?p=178842"},"modified":"2026-02-20T09:10:45","modified_gmt":"2026-02-20T08:10:45","slug":"train-test-split","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/train-test-split","title":{"rendered":"train_test_split: Tutorial zur Verwendung dieser Funktion"},"content":{"rendered":"\n

Ein Machine-Learning-Modell ist in der Lage, selbstst\u00e4ndig aus einem Datensatz zu lernen, mit dem Ziel, Verhalten in einem anderen Datensatz vorherzusagen. Dazu findet es zugrunde liegende Beziehungen zwischen unabh\u00e4ngigen erkl\u00e4renden Variablen und einer Zielvariablen im urspr\u00fcnglichen Datensatz. Dann verwendet er diese Muster, um neue Daten vorherzusagen oder zu klassifizieren.<\/strong><\/p>\n\n\n\n

Wie wird die Funktion train_test_split definiert?<\/h2>\n\n\n\n

Um die Effektivit\u00e4t<\/strong> eines Machine-Learning-Modells<\/a> zu \u00fcberpr\u00fcfen, wird der urspr\u00fcngliche Datensatz<\/strong> in zwei Sets<\/strong> aufgeteilt: ein Trainingsset<\/strong> und ein Testset<\/strong>. Das Trainingsset<\/strong> wird verwendet, um das Modell<\/strong> auf einem Teil der Daten<\/strong> zu fitten<\/strong>, d. h. zu trainieren<\/strong>. Das Testset<\/strong> wird verwendet, um die Leistung<\/strong> des Modells<\/strong> auf dem anderen Teil der Daten<\/strong> zu bewerten. Die Funktion train_test_split<\/strong> aus der ScikitLearn-Bibliothek<\/strong> (sklearn<\/strong>) in Python<\/strong> erm\u00f6glicht diese Aufteilung in zwei Sets<\/strong>.<\/p>\n\n\n\n

Als Erstes solltest du daran denken, die Funktion train_test_split<\/strong> aus dem model_selection-Paket<\/strong> von sklearn<\/strong> zu importieren, indem du den folgenden Code<\/strong> benutzt:<\/p>\n\n\n\n

from sklearn.model_selection import train_test_split<\/code><\/pre>\n\n\n\n
Wenn die Funktion einmal importiert ist, hat sie mehrere Argumente:<\/p>\n\n\n\n
\"\"<\/figure>\n\n\n\n
1) Arrays, die aus dem zu teilenden Datensatz entnommen wurden.<\/h3>\n\n\n\n
Beim \u00fcberwachten Lernen<\/a> sind diese Arrays das Input-Array X,<\/strong> das aus den erkl\u00e4renden Variablen in den Spalten besteht, und das Output-Array y<\/strong>, das aus der Zielvariablen (d. h. den Labels) besteht. <\/p>\n\n\n\n
Beim unbeaufsichtigten Lernen<\/strong> ist das einzige Array als Argument das Input-Array X,<\/strong> das aus den erkl\u00e4renden Variablen in den Spalten besteht.<\/p>\n\n\n\n
\n
Hinweis: Achte auf die Dimensionen! X muss ein zweidimensionales Array sein. y muss ein eindimensionales Array sein, das der Anzahl der Zeilen in X entspricht. Um dies zu erreichen, kannst du gerne die Funktion .reshape verwenden.<\/em><\/p>\n<\/blockquote>\n\n\n\n
2) Die Gr\u00f6\u00dfe des Testsets (test_size) und die Gr\u00f6\u00dfe des Trainingssets (train_size).<\/h3>\n\n\n\n
Die Gr\u00f6\u00dfe jedes Satzes ist entweder eine Dezimalzahl zwischen 0 und 1, die einen Anteil des Datensatzes darstellt, oder eine ganze Zahl, die eine Anzahl von Beispielen des Datensatzes darstellt.<\/p>\n\n\n\n
\n
Hinweis: Es ist ausreichend, nur eines dieser Argumente zu setzen, das zweite ist komplement\u00e4r dazu.<\/em><\/p>\n<\/blockquote>\n\n\n\n
3) Der random state (random_state).<\/h3>\n\n\n\n
Der random state ist eine Zahl, die steuert, wie der Pseudo-Zufallsgenerator die Daten aufteilt.<\/p>\n\n\n\n
\n
Hinweis: Wenn du eine ganze Zahl als random state w\u00e4hlst, werden die Daten bei jedem Aufruf der Funktion auf die gleiche Weise aufgeteilt. Dies macht den Code also reproduzierbar.<\/em><\/p>\n<\/blockquote>\n\n\n\n
4) Le shuffle (shuffle).<\/h3>\n\n\n\n
Shuffle ist ein Boolean-Wert, der ausw\u00e4hlt, ob die Daten vor dem Trennen gemischt werden sollen oder nicht. Im Falle, dass sie nicht gemischt werden, werden die Daten also in der Reihenfolge getrennt, in der sie urspr\u00fcnglich waren.<\/p>\n\n\n\n
\n
Hinweis: Der Standardwert ist True.<\/em><\/p>\n<\/blockquote>\n\n\n\n
5) Stratify (stratify).<\/h3>\n\n\n\n
Der Stratify-Parameter w\u00e4hlt aus, ob die Daten so getrennt werden, dass der Anteil der Beobachtungen in jeder Klasse in den train- und test-Sets gleich bleibt wie im Ausgangsdatensatz.<\/p>\n\n\n\n
\n
Anmerkungen:<\/em><\/p>\n\n\n\n