对给定数据集按照 4:1 比 例随机分为训练集和测试集（注意按照每个类别均匀分组）

在Matlab中，可以使用cvpartition函数将数据集随机分为训练集和测试集。为了保证每个类别均匀分组，可以使用stratify函数将数据集按照类别分层，然后再使用cvpartition函数进行分割。以下是一个示例代码：

load fisheriris
X = meas;
Y = species;
% 将数据集按照类别分层
C = unique(Y);
stratify_Y = zeros(size(Y));
for i = 1:length(C)
    idx = find(Y == C(i));
    n = length(idx);
    stratify_Y(idx) = repmat(1:n,1,ceil(length(idx)/n));
end
% 按照 4:1 比例将数据集分为训练集和测试集
cv = cvpartition(stratify_Y,'Holdout',0.2);
train_idx = training(cv);
test_idx = test(cv);
X_train = X(train_idx,:);
Y_train = Y(train_idx,:);
X_test = X(test_idx,:);
Y_test = Y(test_idx,:);

在这个示例中，我们加载了鸢尾花数据集，然后使用unique函数获取数据集中的类别，并使用for循环将每个类别的样本按照类别分层。然后，我们使用cvpartition函数将数据集按照 4:1 的比例分为训练集和测试集，其中Holdout参数指定了比例为0.2，即将数据集中的20%分为测试集。最后，我们根据分割结果获取训练集和测试集的样本和标签。