train_test_split使用

`train_test_split`是scikit-learn库中的一个函数，主要用于数据集分割，将原始数据划分为训练集（training set）和测试集（test set）。这个功能在机器学习模型训练过程中非常重要，因为它允许我们评估模型在未见过的数据上的性能，避免过拟合，并确保我们的模型泛化能力。

以下是`train_test_split`的一般用法：

from sklearn.model_selection import train_test_split
import pandas as pd

# 假设df是一个DataFrame，包含特征数据和目标变量
data = pd.read_csv('your_data.csv')

# 分割数据
X = data.drop('target_column', axis=1) # 特征（假设目标变量名为'target_column'）
y = data['target_column']             # 目标变量

# 将数据分为70%的训练集和30%的测试集（默认比例），随机打乱顺序
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 现在X_train和y_train用于训练模型，而X_test和y_test用于测试模型性能

`train_test_split`还有一些可选参数，例如设置随机种子保持拆分结果一致，或者调整测试集的比例等。它返回的是四个数据集对象，可以直接用于训练和评估过程。