python训练/测试集划分代码实现

下面是一个简单的 Python 代码示例，用于将数据集划分为训练集和测试集：

import random

def split_dataset(dataset, split_ratio):
    train_size = int(len(dataset) * split_ratio)
    train_set = []
    test_set = list(dataset)
    while len(train_set) < train_size:
        index = random.randrange(len(test_set))
        train_set.append(test_set.pop(index))
    return train_set, test_set

其中，`dataset` 是要划分的数据集，`split_ratio` 是划分比例，通常为 0.7 或 0.8，表示训练集占总数据集的比例。

该函数首先计算出训练集的大小，然后从数据集中随机选择数据点加入训练集，直到训练集的大小达到预设大小。最后，将剩余的数据点作为测试集返回。

使用示例：

dataset = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
train_set, test_set = split_dataset(dataset, 0.7)
print('训练集: ', train_set)
print('测试集: ', test_set)

输出：

训练集:  [1, 7, 8, 5, 10, 9, 3]
测试集:  [2, 4, 6]

注意，这种随机划分方法可能会导致训练集和测试集的分布不均匀，因此在实际应用中需要进行更加严谨的划分方法。