X_train, X_test, y_train, y_test,sw_train,sw_test=train_test_split(X, y, sample_weight, test_size=0.9, random_state=42) clf = GaussianNB()

这段代码是一个机器学习中的分类任务的代码示例。首先，通过train_test_split函数将数据集X和标签y划分为训练集和测试集，同时也将样本权重sample_weight划分为训练集和测试集。其中，X_train和y_train是训练集的特征和标签，X_test和y_test是测试集的特征和标签，sw_train和sw_test是训练集和测试集的样本权重。

接下来，创建了一个GaussianNB分类器对象clf。GaussianNB是高斯朴素贝叶斯分类器的一种实现，适用于处理连续特征的分类任务。

相关问题：
1. train_test_split函数是用来做什么的？
2. 什么是样本权重？
3. GaussianNB分类器适用于什么类型的数据？
4. 这段代码中的random_state参数有什么作用？