sklearn.model_selection.train_test_split

使用sklearn.model_selection.train_test_split可以在数据集上随机划分出一定比例的训练集和测试集，并返回拆分得到的train和test数据集。

使用格式：

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(train_data, train_target, test_size = 0.25, random_state = 0，stratify = y_train)

参数解释：

train_data：被划分的样本特征集。

train_target：被划分的样本标签集。

test_size：如果是浮点数，且在0-1之间，表示样本占比，测试集占数据集的比重；如果是整数的话则为训练集样本的绝对数量。

random_state：随机数的种子。

随机数种子：其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。比如你每次都填1，其他参数一样的情况下你得到的随机数组是一样的。但填0或不填，每次都会不一样。
随机数的产生取决于种子，随机数和种子之间的关系遵从以下两个规则：
种子不同，产生不同的随机数；种子相同，即使实例不同也产生相同的随机数。

shuffle：布尔值。是否在拆分前重组数据。如果shuffle=False，则stratify必须为None。

stratify：array-like or None。如果不是None,则数据集以分层方式拆分，并使用此作为类标签。

stratify是为了保持split前类的分布。比如有100个数据，80个属于A类，20个属于B类。如果train_test_split(… test_size=0.25, stratify = y_all), 那么split之后数据如下：
training: 75个数据，其中60个属于A类，15个属于B类。
testing: 25个数据，其中20个属于A类，5个属于B类。
用了stratify参数，training集和testing集的类的比例是 A：B= 4：1，等同于split前的比例（80：20）。通常在这种类分布不平衡的情况下会用到stratify。将stratify=X就是按照X中的比例分配 将stratify=y就是按照y中的比例分配 。

示例代码：

>>> 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]]

官方文档：https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html#sklearn.model_selection.train_test_split

参考链接：https://blog.youkuaiyun.com/jiushinayang/article/details/81098186