train_test_split这个函数怎么用

`train_test_split`是scikit-learn库中的一个函数，用于将给定的数据集划分为训练集和测试集。这个过程在机器学习项目中非常常见，因为它可以帮助我们在模型训练和最终性能评估之间做出区分，以便更好地评估模型的泛化能力。

以下是基本的使用步骤：

1. 导入必要的模块：

from sklearn.model_selection import train_test_split

2. 准备数据集：
假设你有一个数据框`df`，其中包含了特征`features`和目标变量`target`：

X = df[features]  # 特征数据
y = df[target]  # 目标变量

3. 调用`train_test_split`函数：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

- `test_size`参数指定测试集占总数据的比例，默认值为0.25（也就是25%），你可以根据需求自行设置。
- `random_state`是一个可选参数，提供一个随机数种子，使得每次划分的结果都是一样的，这对于结果的可复现性很有帮助。

函数返回四个数组：
- `X_train`：训练集特征
- `y_train`：训练集的目标变量
- `X_test`：测试集特征
- `y_test`：测试集的目标变量

现在，你就可以分别用这些数据对模型进行训练和评估了。