python 将训练集划分为训练数据和训练标签

在Python中，可以使用scikit-learn库中的train_test_split方法将训练集划分为训练数据和训练标签。train_test_split方法可以随机地将数据集划分为训练集和测试集，并且可以指定划分的比例。

以下是一个示例代码：

from sklearn.model_selection import train_test_split

# 假设X是训练数据，y是训练标签
X = [[0, 1], [2, 3], [4, 5], [6, 7], [8, 9]]
y = [0, 1, 2, 3, 4]

# 将数据集划分为训练集和测试集，测试集占比为0.2
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 输出训练集和训练标签
print("训练数据：", X_train)
print("训练标签：", y_train)

输出结果为：

训练数据： [[4, 5], [6, 7], [0, 1], [8, 9]]
训练标签： [2, 3, 0, 4]

在这个例子中，训练数据X被划分为训练集X_train和测试集X_test，对应的训练标签y也被划分为训练集y_train和测试集y_test。其中，测试集占比为0.2，random_state为随机数种子，用于保证每次运行结果相同。