X_train, X_test1, y_train, y_test1 = train_test_split(X, y, test_size=ts, random_state=42)中的x，y如何实现

在PyTorch中，我们可以使用`torch.utils.data.dataset.random_split`函数来实现数据集的划分。具体操作如下：

from torch.utils.data import Dataset, DataLoader, random_split

class MyDataset(Dataset):
    def __init__(self, X, y):
        self.X = X
        self.y = y

    def __len__(self):
        return len(self.X)

    def __getitem__(self, idx):
        return self.X[idx], self.y[idx]

dataset = MyDataset(X, y)

train_size = int((1-ts)*len(dataset))
test_size = len(dataset) - train_size

train_dataset, test_dataset = random_split(dataset, [train_size, test_size], generator=torch.Generator().manual_seed(42))

train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=batch_size, shuffle=True)

在这个示例代码中，我们首先定义了一个`MyDataset`类来封装数据集。然后，我们使用`random_split`函数将数据集划分成训练集和测试集，并指定了随机种子为42。最后，我们使用`DataLoader`类分别创建训练集和测试集的数据加载器。需要注意的是，为了在训练过程中对数据进行随机扰动，我们在创建数据加载器时将`shuffle`参数设置为`True`。