详解train_test_split()函数（官方文档有点不说人话）

1.完整用法

sklearn.model_selection.train_test_split(*arrays, test_size=None, train_size=None, random_state=None, shuffle=True, stratify=None)

分裂数组或矩阵为随机的训练和测试子集

是一个快速实用的工具，能够包装输入验证、next(ShuffleSplit().split(X, y))以及应用，然后将数据输入到单个调用中，以便在一行中拆分（也可以选择子采样）数据。

2.各参数含义

1. *arrays：具有相同长度/形状的可转位序列。允许的输入是列表、numpy数组、scipy稀疏矩阵或数据帧。
2. test_size：数据类型为float或int, 默认值为None。如果是float，则应介于0.0和1.0之间，并表示要包含在测试拆分中的数据集的比例。如果为int，则表示测试样本的绝对数量。如果没有，则该值设置为序列大小的补码。如果train_size也为None，则将其设置为0.25。
3. train_size：数据类型为float或int, 默认值为None。如果是float，则应介于0.0和1.0之间，并表示要包含在序列拆分中的数据集的比例。如果为int，则表示训练样本的绝对数。如果没有，该值将自动设置为测试大小的补码。
4. random_state：数据类型为int, 填入随机状态实例或无, 默认值为None。在拆分数据之前控制应用于数据的清洗，在多个函数调用之间传递一个int以获得可复制的输出。
5. shuffle：数据类型为bool, 默认值为True。决定是否在拆分前对数据进行清洗。如果shuffle=False，则分层必须为None。
6. stratify：输入类数组对象, 默认值为None。如果不是None，则以分层方式拆分数据，并将其用作类标签。

3.返回值

splitting：list, length=2 * len(arrays)

包含输入训练-测试分割的列表。

版本0.16中的新功能：如果输入是稀疏的，那么输出将是一个scipy.sparse.csr_matrix。否则，输出类型与输入类型相同。

4.实例

>>> 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]

>>> train_test_split(y, shuffle=False)
[[0, 1, 2], [3, 4]]

建议用Jupyter Notebook运行代码。

本文来自scikit-learn官方文档。