将数据集分为训练集，验证集，测试集代码

在Python中，特别是在使用深度学习库如TensorFlow或PyTorch时，将数据集划分为训练集、验证集和测试集是一个常见的步骤，这有助于模型的训练、调优和评估。这里是一个基本的例子，使用`sklearn`库中的`train_test_split`函数：

from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris  # 假设你有一个名为iris的数据集

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 将数据集划分为训练集（80%）、验证集（10%）和测试集（10%）
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)  # 80%用于训练
X_train, X_val, y_train, y_val = train_test_split(X_train, y_train, test_size=0.25, random_state=42)  # 10%用于验证，剩下的10%用于测试

# 或者一次性划分
X_train, X_val_test, y_train, y_val_test = train_test_split(X, y, test_size=0.2, random_state=42)
X_val, X_test, y_val, y_test = train_test_split(X_val_test, y_val_test, test_size=0.5, random_state=42)

# 确保验证集和测试集都有标签
assert len(X_val) == len(y_val) and len(X_test) == len(y_test)