使用Scikit-Learn中功能将数据集分成训练集验证集和测试集，比例为8:1:1

可以使用Scikit-Learn中的train_test_split函数来分割数据集。这个函数可以将数据集划分成训练集和测试集，可以通过设置参数来调整划分的比例。为了实现8:1:1的比例，可以将数据集先划分成训练集和剩余部分，然后将剩余部分再按照1:1的比例划分为验证集和测试集。

以下是代码示例：

from sklearn.model_selection import train_test_split

# X为特征数据，y为目标变量
X_train, X_remain, y_train, y_remain = train_test_split(X, y, test_size=0.2, random_state=42)

# 将剩余部分再划分为验证集和测试集
X_val, X_test, y_val, y_test = train_test_split(X_remain, y_remain, test_size=0.5, random_state=42)

在上面的代码中，test_size参数设置为0.2表示将原始数据集划分成80%的训练集和20%的剩余部分。剩余部分中的数据再按照0.5的比例划分成验证集和测试集。random_state参数用于设置随机种子，保证每次划分的结果一致。