将数据集划分为训练集和测试集 提示：使用sklearn中的train_test_split（）函数 参考代码：train_set, test_set = train_test_split(housing, test_size=0.2, random_state=42)

将数据集划分为训练集和测试集是机器学习中常用的一种方法，可以用来评估模型的性能。在Python中，可以使用sklearn库中的train_test_split()函数来实现数据集的划分。下面是一个示例代码：

from sklearn.model_selection import train_test_split

# 假设housing是你的数据集
train_set, test_set = train_test_split(housing, test_size=0.2, random_state=42)

上述代码中，train_test_split()函数将housing数据集划分为训练集和测试集，其中test_size参数指定了测试集所占的比例，这里设置为0.2表示测试集占总数据集的20%。random_state参数用于设置随机种子，保证每次划分的结果一致。