在CSV文件中划分训练集、验证集和测试集代码

在Python中，我们通常使用pandas库来处理CSV文件，并且scikit-learn库提供了一些方便的功能来划分数据集。以下是一个简单的例子，假设你有一个名为"data.csv"的CSV文件，包含特征（X）和标签（y）：

import pandas as pd
from sklearn.model_selection import train_test_split

# 加载数据
data = pd.read_csv('data.csv')

# 假设'feature_column'是你的特征列，'target_column'是目标列
X = data['feature_column']
y = data['target_column']

# 划分数据集 - 80%训练集，10%验证集，剩下的10%作为测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 再从训练集中划出一部分作为验证集
X_train, X_val, y_train, y_val = train_test_split(X_train, y_train, test_size=0.25, random_state=42)

# 现在你有了四个DataFrame：X_train, X_val, X_test, y_train, y_val 分别对应训练集、验证集和测试集的数据

在这个代码中，`train_test_split`函数用于随机划分数据，`test_size`参数指定了测试集占总数据的比例，`random_state`用于保持结果的可复现性。