怎么把数据集分为训练集和测试集，代码

在机器学习中，将数据集分成训练集和测试集是非常重要的一步。我们可以使用Python的sklearn库中的train_test_split函数来将数据集划分为训练集和测试集。

下面是一个简单的示例代码：

from sklearn.model_selection import train_test_split

# 将数据集划分为训练集和测试集，test_size表示测试集占总数据集的比例
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

其中，X表示特征数据，y表示标签数据，test_size表示测试集占总数据集的比例，random_state用于随机划分数据集时的随机种子。

这个函数将会返回四个变量，即X_train, X_test, y_train, y_test，分别表示训练集的特征数据、测试集的特征数据、训练集的标签数据、测试集的标签数据。

需要注意的是，划分数据集时需要保证训练集和测试集的数据分布是相似的，以确保模型在测试集上的表现可以泛化到未知数据。