X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42)

train_test_split函数是sklearn库中的一个函数，用于将数据集划分为训练集和测试集。根据提供的参数，该函数会将特征数据和标签数据划分为训练集和测试集，并返回划分好的训练集特征数据、测试集特征数据、训练集标签数据和测试集标签数据。

下面是一个示例代码，展示了如何使用train_test_split函数将特征数据和标签数据划分为训练集和测试集：

from sklearn.model_selection import train_test_split

# 假设features是特征数据，labels是标签数据
X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42)

在上述代码中，train_test_split函数的第一个参数是特征数据，第二个参数是标签数据。test_size参数指定了测试集的比例，这里设置为0.2，表示将数据集的20%作为测试集，80%作为训练集。random_state参数用于设置随机种子，保证每次划分的结果一致。

通过以上代码，你可以得到划分好的训练集特征数据X_train、测试集特征数据X_test、训练集标签数据y_train和测试集标签数据y_test。

相关问题

X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.3, random_state=42)

这段代码使用了Python中的train_test_split()函数进行训练集和测试集的划分。其中，features代表特征数据，labels代表标签数据。test_size参数指定了测试集占整个数据集的比例，这里为0.3，即测试集占30%。random_state参数用于设定随机数种子，保证多次运行时划分结果相同。最终，划分结果分别保存在X_train, X_test, y_train, y_test这四个变量中。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [python机器学习 train_test_split()函数用法解析及示例 划分训练集和测试集 以鸢尾数据为例 入门级讲解](https://blog.csdn.net/weixin_48964486/article/details/122866347)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]

X_train, X_pred, y_train, y_pred = train_test_split(features, labels, test_size=0.3, random_state=42)

这是一个机器学习中常用的函数，用于将数据集分成训练集和测试集。其中，features表示特征，labels表示标签，test_size表示测试集所占的比例，random_state用于随机划分数据集，保证每次划分的结果一致。函数的返回值为X_train、X_pred、y_train、y_pred四个变量，其中X_train和y_train为训练集的特征和标签，X_pred和y_pred为测试集的特征和标签。