用train_test_split拆分数据，如何保证每次拆分的数据不同

在使用`train_test_split`函数时，可以通过设置`random_state`参数来保证每次拆分的数据不同。`random_state`参数是一个随机数种子，它会影响数据的随机打乱和拆分方式，因此在每次调用`train_test_split`函数时，设置不同的`random_state`值可以得到不同的数据拆分结果。

具体实现步骤如下：

1. 导入`train_test_split`函数。

2. 将数据划分为训练集和测试集。

3. 每次拆分数据时，都设置一个不同的`random_state`值，确保每次拆分的数据不同。

下面是一个示例代码：

from sklearn.model_selection import train_test_split

# 假设有100条数据和对应的标签
data = ...
target = ...

# 划分比例为70%训练集，30%测试集
train_data, test_data, train_target, test_target = train_test_split(data, target, test_size=0.3, random_state=42)

# 每次拆分数据前都设置一个不同的random_state值
train_data_1, test_data_1, train_target_1, test_target_1 = train_test_split(data, target, test_size=0.3, random_state=123)
train_data_2, test_data_2, train_target_2, test_target_2 = train_test_split(data, target, test_size=0.3, random_state=456)

这样，每次设置不同的`random_state`值都会得到不同的数据拆分结果，确保每次拆分的数据不同。