机器学习数据集划分方法

在机器学习中，数据集划分是一项重要的任务，它将可用的数据划分为训练集、验证集和测试集，以便进行模型的训练、调优和评估。本文将介绍几种常见的数据集划分方法，并提供相应的源代码示例。

1. 简单随机划分
   简单随机划分是最简单和最常见的数据集划分方法之一。它通过随机将数据样本分配到不同的集合中来实现划分。通常，我们可以指定训练集、验证集和测试集的比例。

import numpy as np
from sklearn.model_selection import train_test_split

# 假设我们有一个包含特征和标签的数据集 X 和 y
X = ...
y = .