分割训练集和测试集(train_test_split)

sklearn.model_selection.train_test_split随机划分训练集和测试集

X_train,X_test, y_train, y_test =sklearn.model_selection.train_test_split(train_data,train_target,test_size=0.4, random_state=0,stratify=y_train)

参数：
       train_data：所要划分的样本特征集

       train_target：所要划分的样本结果集

       test_size：样本占比，如果是整数的话就是样本的数量

       random_state：是随机数的种子，是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。每次都填1，其他参数一样的情况下你得到的随机数组是一样的。但填0或不填，每次都会不一样。

       stratify是为了保持split前类的分布。比如有100个数据，60个属于A类，40个属于B类。如果train_test_split(..., test_size=0.25, stratify = y_all), 那么split之后数据如下： 
training: 75个数据，其中45个属于A类，30个属于B类。 
testing: 25个数据，其中15个属于A类，10个属于B类。 </