train_test_split的用法（机器学习）

机器学习中对于数据的随机划分

train_test_split的引用： from sklearn.model_selection import train_test_split

例如：

import numpy as np

from sklearn.model_selection import train_test_split

X,y=np.arange(10).reshape((5,2)),range
X=np.array([[0,1],[2,3],[4,5],[6,7],[8,9]])
y=[0,1,2,3,4]
print(X)
print(y)

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.4,random_state=0)

print（X_train）

print（X_test）

print（y_train）

print（y_test）

#X_train为训练集，X_test为测试集，y_train为训练集，y_test为测试集

train_test_split  将数据集划分成X_train,X_test,y_train,y_test  四部分

train_test_split （train_data,train_target,test_size=0.4, random_state=0）

train_data:所要划分的样本整体

train_target所要划分的样本分类结果

test_size：测试样本占比，如果是整数的话就是样本数量

random_state=0：随机数种子  这里的random_state就是为了保证程序每次运行都分割一样的训练集和测试集。   

思考题：random=0和random=1有什么区别？