LSTM先分出训练集和测试集，再归一化 python

可以使用以下代码来先分出训练集和测试集，并在归一化之前进行：

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler

# 假设X和y分别表示特征和标签
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 进行归一化
scaler = MinMaxScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

其中，`train_test_split()`函数可以将数据分成训练集和测试集，`test_size`参数表示测试集的比例，`random_state`参数用于设置随机种子，保证每次划分的结果相同。`MinMaxScaler()`类用于将数据归一化到[0,1]的范围内，`fit_transform()`方法用于对训练集进行归一化，`transform()`方法用于对测试集进行归一化，注意训练集和测试集必须使用同样的归一化方法。