按百分比随机划分和存储SQL表

Question

我正在尝试在Microsoft的SSMS（SQL Server）中拆分数据库，以便在机器学习应用程序中使用数据。

我想将数据分成80/20的训练表和测试表。不幸的是，我唯一知道的方法是将表的前20％作为测试集，然后将其余数据设置为训练集（SELECT TOP 20％FROM ...）。

我不想这样做，因为我的测试和培训集完全基于它们在SQL中的组织方式，而不是基于某些随机种子。

我的最终目标是要在SQL Server的Python存储过程中使用80/20的训练/测试单元。

Answer 1

要生成随机分布，可以order by newid()：

select top 20 percent * from mytable order by newid()

您可能还想看看tablesample子句。它具有一个称为repeatable的选项，该选项使查询每次运行时都返回相同的随机记录集。对于您的用例，这可能很方便：

select top 20 percent * from mytable order by tablesample(20 percent) repeatable(10)