sklearn.model_selection中的train_test_split

train_test_split（）是sklearn.model_selection中的分離器函數，用戶將數組或矩陣拆分爲訓練集和測試集，函數樣式爲：

X_train,X_test,y_train,y_test=train_test_split(train_data,train_target,test_size,random_state,shuffle)

參數解釋：

train_data : 樣本特徵值

train_target : 樣本標籤值

test_size : (1) 浮點數，在0 ~ 1之間，表示樣本佔比（test_size = 0.3，則樣本數據中有30%的數據作爲測試數據，記入X_test，其餘70%數據記入X_train，同時適用於樣本標籤）；

(2）整數，表示樣本數據中有多少數據記入X_test中，其餘數據記入X_train

(3) 如果爲None,設置爲訓練集大小的補碼，如果train_size也爲None，設置爲0.25

train_size : 如果爲float，0~1之間，表示包含在訓練集中的數據集的比例；如果爲int，表示包含在訓練數據中的絕對數量；

如果爲None，自動設置爲數據集大小的補碼

random_state : 隨機數種子，種子不同，每次採的樣本不一樣；種子相同，採的樣本不變（random_state不取，採樣數據不同，但random_state等於某個值，採樣數據相同，取0的時候也相同，想改變數值也可以設置random_state = int(time.time())）

shuffle : 洗牌模式，False 不打亂樣本數據順序；True 打亂樣本數據順序

examples :

from sklearn.model_selection import train_test_split
import numpy as np

X,y=np.arange(10).reshape((5,2)),np,range(5)
print(X)
print(list(y))

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

print(X_train)
print(y_train)
print(X_test)
print(x_test)

train_test_split(y,shuffle=False)
print(y)