train_test_split()参数设置

train_test_split()函数是用于将数据集划分为训练集和测试集的函数。它的参数设置包括：

1. `arrays`：待划分的数据集，可以是一个数组（例如：numpy数组），也可以是多个数组组成的列表或元组。
2. `test_size`：测试集的大小，可以是一个浮点数（表示测试集占总数据集的比例），也可以是整数（表示测试集的样本数量）。默认值为0.25（即25%）。
3. `train_size`：训练集的大小，与`test_size`相反，可以是一个浮点数或整数。如果`test_size`未指定并且`train_size`也未指定，则默认为0.75（即75%）。
4. `random_state`：随机种子，用于控制数据集的划分方式。设定一个固定的随机种子能够确保每次划分得到相同的结果。默认为None，表示不使用随机种子。
5. `shuffle`：是否在划分前对数据进行洗牌（随机打乱），默认为True。如果设置为False，则按照原始顺序划分数据。
6. `stratify`：是否按照类别进行分层划分。如果设置为True，并且数据集包含类别标签（y），则会按照类别比例划分样本。
- 注意：仅当`arrays`参数只包含一个数组（例如：X）时，才能使用`stratify`。如果`arrays`参数包含多个数组，则不能使用`stratify`。

示例代码如下：

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)