sklearn的train_test_split
train_test_split函數用於將矩陣隨機划分為訓練子集和測試子集，並返回划分好的訓練集測試集樣本和訓練集測試集標簽。
格式：
X_train,X_test, y_train, y_test =model_selection.train_test_split(train_data,train_target,test_size=0.3, random_state=0)
參數解釋：
train_data：被划分的樣本特征集
train_target：被划分的樣本標簽
test_size：如果是浮點數，在0-1之間，表示樣本占比；如果是整數的話就是樣本的數量
random_state：是隨機數的種子。
隨機數種子：其實就是該組隨機數的編號，在需要重復試驗的時候，保證得到一組一樣的隨機數。比如你每次都填1，其他參數一樣的情況下你得到的隨機數組是一樣的。但填0或不填，每次都會不一樣。
隨機數的產生取決於種子，隨機數和種子之間的關系遵從以下兩個規則：
種子不同，產生不同的隨機數；種子相同，即使實例不同也產生相同的隨機數。
示例
>>> import numpy as np >>> from sklearn.model_selection import train_test_split >>> X, y = np.arange(10).reshape((5, 2)), range(5) >>> X array([[0, 1], [2, 3], [4, 5], [6, 7], [8, 9]]) >>> list(y) [0, 1, 2, 3, 4]
>>> X_train, X_test, y_train, y_test = train_test_split( ... X, y, test_size=0.33, random_state=42) ... >>> X_train array([[4, 5], [0, 1], [6, 7]]) >>> y_train [2, 0, 3] >>> X_test array([[2, 3], [8, 9]]) >>> y_test [1, 4]