python代码不使用 Scikit-Learn 库来进行数据集的划分，自定义划分测试集与训练集

如果不使用 Scikit-Learn 库，我们也可以手动编写代码来自定义划分测试集和训练集。下面是一个示例代码：

import numpy as np

# 生成数据集
X = np.random.rand(100, 10)  # 特征矩阵，100个样本，每个样本有10个特征
y = np.random.randint(0, 2, size=100)  # 标签，0或1

# 设置随机种子
np.random.seed(42)

# 随机打乱数据集
random_index = np.random.permutation(len(X))
X_shuffle = X[random_index]
y_shuffle = y[random_index]

# 划分数据集
test_ratio = 0.2  # 测试集比例
test_size = int(len(X) * test_ratio)  # 测试集大小
X_train = X_shuffle[:-test_size]
y_train = y_shuffle[:-test_size]
X_test = X_shuffle[-test_size:]
y_test = y_shuffle[-test_size:]

# 输出训练集和测试集的大小
print("训练集大小：", len(X_train))
print("测试集大小：", len(X_test))

在上面的代码中，我们首先生成了一个包含100个样本、每个样本有10个特征的数据集和对应的标签。然后设置随机种子，以保证每次随机结果相同。接着使用 np.random.permutation() 函数随机打乱数据集的顺序，再根据比例划分成训练集和测试集。最后输出训练集和测试集的大小。