将数据拆分成训练集和测试及的函数

以下是Python代码实现：

import numpy as np

def split_data(data, train_ratio=0.8):
    """
    将数据拆分成训练集和测试集

    参数：
    data：原始数据，类型为numpy数组
    train_ratio：训练集比例，默认为0.8

    返回值：
    train_data：训练集数据，类型为numpy数组
    test_data：测试集数据，类型为numpy数组
    """
    # 确定训练集和测试集的长度
    train_size = int(len(data) * train_ratio)
    test_size = len(data) - train_size

    # 随机打乱数据
    np.random.shuffle(data)

    # 拆分训练集和测试集
    train_data = data[:train_size]
    test_data = data[train_size:]

    return train_data, test_data

使用方法：

# 假设原始数据为一个numpy数组，每行表示一个样本，每列表示一个特征
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15]])

# 调用函数拆分数据
train_data, test_data = split_data(data, train_ratio=0.8)

# 输出训练集和测试集的形状
print("训练集形状：", train_data.shape)
print("测试集形状：", test_data.shape)