sklearn中的train_test_split函数

train_test_split函数是机器学习中一个非常重要的函数，它可以将数据集划分为训练集和测试集。

以下是该函数的详细说明：

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

参数说明：

*arrays: 单个数组或元组，表示需要划分的数据集。如果传入多个数组，则必须保证每个数组的第一维大小相同。

test_size: 测试集的大小（占总数据集的比例）。默认值为0.25，即将传入数据的25%作为测试集。

train_size: 训练集的大小（占总数据集的比例）。默认值为None，此时和test_size互补，即训练集的大小为(1-test_size)。

random_state: 随机数种子。可以设置一个整数，用于复现结果。默认为None。

shuffle: 是否随机打乱数据。默认为True。

stratify: 可选参数，用于进行分层抽样。传入标签数组，保证划分后的训练集和测试集中各类别样本比例与原始数据集相同。默认为None，即普通的随机划分。

返回值说明：

该函数返回一个元组(X_train, X_test, y_train, y_test)，其中X_train表示训练集的特征数据，X_test表示测试集的特征数据，y_train表示训练集的标签数据，y_test表示测试集的标签数据。

注意事项：

• test_size和train_size必须至少有一个设置为非None。
• 当传入多个数组时，请确保每个数组的第一维大小相同。
• 当使用分层抽样时，请确保传入的标签数组是正确的。