留出法对训练集和测试集只分割一次

留出法是一种简单的数据集划分方法，它将原始数据集随机分成训练集和测试集两部分，一般采用的比例是70%和30%。对于只分割一次的情况，可以按照以下步骤进行：

1. 将原始数据集随机打乱，以消除原始数据集的顺序性。

2. 根据设定的比例，将打乱后的数据集分成训练集和测试集。可以使用Python中的sklearn库中的train_test_split函数来实现。

3. 对训练集进行模型训练，对测试集进行模型评估。

需要注意的是，由于只分割一次，所以留出法对数据集的划分结果具有一定的随机性，可能会影响模型的评估结果。因此，在实际应用中，为了减少随机性带来的误差，建议采用交叉验证等更加稳健的方法进行模型评估。