sklearn的 train_test_split 如何使用

train_test_split 是 sklearn 中用于将数据集划分为训练集和测试集的方法。它可以从给定的数据集中随机选择一部分数据作为训练集，另一部分数据作为测试集。

使用方法：

1. 导入 train_test_split 方法：from sklearn.model_selection import train_test_split

2. 将数据集划分为特征与标签两部分，如：X, y

3. 调用 train_test_split 方法，传入参数：X, y, test_size, random_state等。

例子：

from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris

# load iris dataset
iris = load_iris()

# split dataset into training set and test set
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=0)

# print the shape of the datasets
print("X_train shape:", X_train.shape)
print("y_train shape:", y_train.shape)
print("X_test shape:", X_test.shape)
print("y_test shape:", y_test.shape)

在这个例子中，我们使用 iris 数据集，将数据集划分为训练集（70%）和测试集（30%）。