python train_test_split

from sklearn.model_selection import train_test_split

# 假设我们有以下数据集
X = [[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12]]
y = [0, 1, 0, 1, 0, 1]

# 使用 train_test_split 函数将数据集划分为训练集和测试集
# test_size=0.3 表示测试集占总数据的 30%，train_size 会自动设置为剩余的 70%
# random_state=42 是为了确保每次运行代码时，划分结果相同
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 输出划分后的结果
print("X_train:", X_train)
print("X_test:", X_test)
print("y_train:", y_train)
print("y_test:", y_test)

解释说明：

• train_test_split 是 scikit-learn 库中的一个函数，用于将数据集划分为训练集和测试集。
• X 是特征数据，y 是标签数据。
• test_size=0.3 表示测试集占总数据的 30%，训练集则占 70%。
• random_state=42 是为了确保每次运行代码时，划分结果相同。如果不设置这个参数，每次划分的结果可能会不同。
• 划分后的结果包括 X_train（训练集的特征）、X_test（测试集的特征）、y_train（训练集的标签）和 y_test（测试集的标签）。