train_test_split（）怎么用

train_test_split()是用于将数据集拆分为训练集和测试集的函数，可以用于训练和评估机器学习模型。以下是使用train_test_split()的基本步骤：

1. 导入train_test_split函数：

from sklearn.model_selection import train_test_split

2. 准备数据集：

import pandas as pd
from sklearn.datasets import load_iris

iris = load_iris()
X = iris.data
y = iris.target

3. 将数据集拆分为训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

其中，参数test_size指定测试集占数据集的比例，random_state是随机数种子，用于保证每次划分的结果相同。

4. 使用拆分后的训练集和测试集进行模型训练和测试：

from sklearn.linear_model import LogisticRegression

clf = LogisticRegression()
clf.fit(X_train, y_train)

print("训练集准确率：", clf.score(X_train, y_train))
print("测试集准确率：", clf.score(X_test, y_test))

train_test_split()函数将数据集拆分为训练集和测试集，我们可以使用训练集训练模型，然后使用测试集评估模型的性能。