python交叉验证（cross_validation.train_test_split）

二、 将数据分为训练，测试集进行交叉验证
使用训练集进行训练，在用测试集验证训练结果是否正确，通过这个方法验证数据
X_train,X_test,y_train,y_test=cross_validation.train_test_split(train_data,train_target,test_size=0.4, random_state=0)
避免数据拟合
#该方法将原始数据打乱得到新顺序的训练数据和测试数据（将数组或矩阵随机拆分成训练子集和测试子集）
X_train，y_train：得到的训练数据。
X_test， y_test：得到的测试数据。
训练集是用来训练算法（算法进行分类用的数据），而测试集是用来验证算法的
train_data：被划分的样本特征集,
train_target：被划分的样本标签（该数据每一个都与与train_data中数据存在对应）
test_size：如果是浮点数，在0-1之间，表示样本占比；如果是整数的话就是样本的数量如0.7表示百分之30的数据用于做训练集百分之70的数据用来测试集
random_state：是随机数的种子。
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（该算法可以将数据打乱然后取出test_size的数据进行训练，为0时打乱数据，默认为0，为1不打乱）