一、背景
接上所敘，在對比訓練集、驗證集、測試集之后，實戰中需要對數據進行划分。
通常將原始數據按比例划分為：訓練集、測試集。
可以利用 sklearn.model_selection.train_test_split 方法實現。
二、介紹
使用語法為：
x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(
data,
target,
test_size=None,
train_size=None,
random_state=None,
shuffle=True,
stratify=None
)
參數解釋：
data -- 所要划分的樣本特征集
target -- 樣本結果
test_size -- 測試集樣本占比（如果是整數，就是樣本數量）
train_size -- 同上 默認 0.75
random_state -- 隨機種子（保證可復現）
shuffle -- 是否洗牌 打散數據
stratify -- 保持類分布一致
三、實操
1.舉個例子
# 生成測試數據
import numpy as np
from sklearn.model_selection import train_test_split
X, y = np.arange(10).reshape(5, 2), range(5)
y = list(y)
# 切分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
2.test_size & train_size
float or int, default=None 默認空缺，浮點數或者整型。
代表測試集的大小，如果是小數的話，處於（0， 1）之間，表示測試集所占比例。
如果是整數，表示測試集樣本個數。
如果 train_size 也為空，則默認 test_size=0.25。
import numpy as np
from sklearn.model_selection import train_test_split
x = np.random.randint(1, 100, 20).reshape((10, 2))
x_train, x_test = train_test_split(x) # 7 3
x_train, x_test = train_test_split(x, train_size=4) # 4 6
x_train, x_test = train_test_split(x, train_size=0.8) # 8 2
3.random_state
表示隨機狀態，因為每次划分都是隨機的，為保證模型可反復實驗，需要控制該參數不變。
具體不實驗了，多操作幾遍即可得知。
4.shuffle
在划分數據之前，是否重洗數據，即將數據打散重新排序。
默認重洗。
# 按原始順序抽取
x_train, x_test = train_test_split(x, train_size=0.8, shuffle=False)
5.stratify
結合結果集使用，保證分類分布一致。
假設原始結果集中有2個分類，A：B=1：2，隨機切分時，無法保證訓練集和測試集中A與B的比例，此時，通過設置 stratify=y 參數，即可控制分布一致。
注：此處的y為原始結果集。
通常在種類分布不平衡的情況下使用該參數。
將 stratify=X 就是按照X中的比例分配
將 stratify=y 就是按照y中的比例分配
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42, stratify=y)
參考鏈接：sklearn之train_test_split()函數各參數含義（非常全）