sklearn train_test_split参数

`train_test_split`是`sklearn`中用于划分训练集和测试集的函数。它的常用参数如下：

- `arrays`：需要划分的数据集，可以是一个或多个数组。通常包括特征矩阵和目标变量。
- `test_size`：测试集的大小。可以指定为浮点数（0.0到1.0）表示测试集占总样本的比例，或整数表示测试集的样本数量。
- `train_size`：训练集的大小。与`test_size`相似，可以指定为浮点数或整数。
- `random_state`：随机数种子，用于确保每次划分的结果一致。设定相同的种子将得到相同的划分结果。
- `shuffle`：是否在划分之前打乱数据。默认为`True`，即打乱数据后再进行划分。
- `stratify`：是否根据目标变量的类别进行分层采样。如果指定为目标变量的数组，那么划分后的训练集和测试集中将包含相同比例的各类样本。

下面是一个示例代码：

from sklearn.model_selection import train_test_split

X, y = load_data()  # 加载数据
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

在这个例子中，`X`和`y`是特征矩阵和目标变量。`test_size=0.2`表示将数据划分为80%的训练集和20%的测试集。`random_state=42`确保每次运行代码时得到相同的划分结果。

希望能解答你的问题！如果有任何疑问，请随时提问。