Sklearn的train_test_split

本文转载自 bonelee 的文字，转载仅供学习使用。
train_test_split函数用于将矩阵随机划分为训练子集和测试子集，并返回划分好的训练集测试集样本和训练集测试集标签。
格式：
X_train,X_test, y_train, y_test =cross_validation.train_test_split(train_data,train_target,test_size=0.3, random_state=0)
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
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
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。
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

代码示例:

import numpy as np
from sklearn.model_selection import train_test_split
X, y = np.arange(10).reshape((5, 2)), range(5)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
print('=====X=====')
print(X)
print('=====list(y)=====')
print(list(y))
print('=====X_train=====')
print(X_train)
print('=====y_train=====')
print(y_train)
print('=====X_test=====')
print(X_test)
print('=====y_test=====')
print(y_test)