将数据集划分为训练集和测试集

将数据集划分为训练集和测试集的目的是为了评估模型的泛化能力。即让模型在未曾见过的数据上进行测试，以确保它能够正确地预测新的数据。

通常，我们将数据集划分为训练集和测试集，比例为70%-30%或80%-20%，也有人采用交叉验证等方法。划分训练集和测试集的过程应该是随机的，以保证数据的代表性。

在训练模型时，我们只使用训练集进行训练，而在测试模型时，我们使用测试集来评估模型的性能。如果模型在测试集上的表现良好，则说明它具有较好的泛化能力，可以用于预测新的数据。反之，如果模型在测试集上的表现不佳，则需要重新考虑模型的选择和训练策略。