(X_train, X_test, y_train, y_test) = skm.train_test_split(X, Boston['medv'], test_size=0.3, random_state=0)

这是一个常见的机器学习中的数据集划分操作，用于将数据集划分为训练集和测试集。具体的操作如下：

1. X_train：训练集的特征数据，是从原始数据集X中划分出来的，用于训练机器学习模型。
2. X_test：测试集的特征数据，同样是从原始数据集X中划分出来的，用于评估机器学习模型的性能。
3. y_train：训练集的目标变量数据，是从原始数据集Boston['medv']中划分出来的，与X_train对应。
4. y_test：测试集的目标变量数据，同样是从原始数据集Boston['medv']中划分出来的，与X_test对应。

这个操作使用了sklearn库中的train_test_split函数，其中参数说明如下：
- X：原始数据集的特征数据。
- Boston['medv']：原始数据集的目标变量数据。
- test_size：测试集所占比例，这里设置为0.3，即测试集占总数据集的30%。
- random_state：随机种子，用于保证每次划分的结果一致。

这样划分出来的训练集和测试集可以用于训练和评估机器学习模型。