pycharm划分训练集和数据集

在 PyCharm 中划分训练集和数据集可以使用 Python 的 `sklearn.model_selection` 模块中的 `train_test_split` 函数，该函数可以将数据集随机划分为训练集和测试集。以下是示例代码：

from sklearn.model_selection import train_test_split

# 假设 X 和 y 是我们的数据和标签
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

在这个示例代码中，我们使用 `train_test_split` 函数将数据集 `X` 和标签 `y` 随机划分为训练集和测试集。参数 `test_size` 指定了测试集占总数据集的比例，这里设置为 0.3，即测试集占总数据集的 30%。参数 `random_state` 指定了随机数种子，以便每次运行程序时得到的随机结果一致。

划分好训练集和测试集后，我们可以使用训练集进行模型训练，再使用测试集进行模型测试和评估。例如：

from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 在测试集上测试模型
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print('测试集上的均方误差为：', mse)

在这个示例代码中，我们使用线性回归模型对训练集进行模型训练，然后在测试集上测试模型，并计算测试集上的均方误差。