怎么把一个数据集划分成70%是训练集，20%是测试集，10%是验证集

将数据集划分为训练集、测试集和验证集是机器学习中常用的方法，可以使用如下代码实现：

import numpy as np
from sklearn.model_selection import train_test_split

# 假设数据集为X和y
X = ...
y = ...

# 将数据集分为训练集、测试集、验证集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
X_test, X_val, y_test, y_val = train_test_split(X_test, y_test, test_size=0.33, random_state=42)

# 打印各数据集的样本数量
print("训练集样本数：", len(X_train))
print("测试集样本数：", len(X_test))
print("验证集样本数：", len(X_val))

其中，`train_test_split()` 函数可以将数据集随机分为训练集和测试集，参数 `test_size` 指定测试集所占比例。接着，再使用 `train_test_split()` 函数将测试集进一步分为测试集和验证集，参数 `test_size` 同样指定验证集所占比例。最后，使用 `len()` 函数分别计算各数据集的样本数量并打印输出。