像是我图片中的数据，同一成分除了温度，氧离子电导率外都相同，训练机器学习模型或者神经网络模型时，划分训练验证测试集时，是随机划分还是按成分分组划分，确保同一成分的所有样本要么全在训练集，要么全在测试集？求指导

这是我随机划分的数据集跑出来的结果，训练集测试集的评估是不是都太高了，或者说这么划分会数据泄露，导致问题

# python # 回归 # scikit-learn # 材料工程
Logo
开源鸿蒙跨平台开发者社区

开源鸿蒙跨平台开发社区汇聚开发者与厂商，共建“一次开发，多端部署”的开源生态，致力于降低跨端开发门槛，推动万物智联创新。

更多推荐

cover

Potplayer播放器下载

avatar 开源鸿蒙跨平台开发者社区

Reactive Native APP的重点测试点

摘要：React Native Android应用测试需从三个维度系统覆盖：1）通用移动端测试（功能、UI/UX、性能、网络、安全）；2）RN特有机制（JS-Native Bridge、线程模型、热更新、第三方库兼容性）；3）Android平台特性（生命周期、权限模型、厂商ROM差异）。建议采用分层测试策略（单元/集成/E2E），重点关注Bridge通信、导航和性能问题，并建立包含机型矩阵和风险分

avatar 开源鸿蒙跨平台开发者社区

OpenHarmony平台移植 gifsicle：C/C++ 三方库适配实践（Lycium / tpc_c_cplusplus）

本文介绍了如何将gifsicle工具适配到OpenHarmony平台，主要内容包括： 适配流程标准化：通过tpc_c_cplusplus仓库的Lycium框架管理交叉编译，只需提供6个标准文件（HPKBUILD、HPKCHECK等）即可完成适配。 gifsicle特殊处理：由于源码需要先执行bootstrap.sh生成configure脚本，需在prepare()阶段添加这一步骤。 提供完整的HP

avatar 开源鸿蒙跨平台开发者社区