train_test_split 数据集划分

    python中自带了数据集划分的函数 train_test_split()，通过from sklearn.model_selection import train_test_split导入库函数。train_test_split() 函数需要常用的4个参数：数据集的特征列、数据集的label列、期望划分测试集的大小、划分的随机种子值。返回4个结果分别是：训练集的特征列、测试集的特征列、训练集的label列、测试集的label列。

    在机器学习的过程中，为了测试模型的性能，需通过将数据集划分为训练集和验证集，然后对验证集进行预测，评估。此时，如下代码与cv函数的功能是一样的。

from sklearn.model_selection import train_test_split

for i in range(10):

    X_train, X_test, Y_train, Y_test = train_test_split(train[predictors], train['label'], test_size=0.4,random_state=i+1)

    clf.fit(X_train,Y_train) #训练模型
    pre=clf.predict(X_test)#预测