sklearn.model_selection.train_test_split
sklearn.model_selection.train_test_split（*数组，**选项）[来源]-
将数组或矩阵拆分为随机序列和测试子集
包含输入验证和应用程序的快速实用程序， 用于将数据输入到单个调用中，以便在oneliner中拆分（并可选地进行子采样）数据。
next(ShuffleSplit().split(X, y))阅读用户指南中的更多内容。
参数： *数组：具有相同长度/形状的可索引序列[0]
允许的输入是列表，numpy数组，scipy-sparse矩阵或pandas数据帧。
test_size：float，int，None，optional
如果为float，则应介于0.0和1.0之间，并表示要包含在测试拆分中的数据集的比例。如果是int，则表示测试样本的绝对数量。如果为None，则将该值设置为列车大小的补码。默认情况下，该值设置为0.25。默认值将在版本0.21中更改。只有在
train_size未指定时才会保持0.25 ，否则它将补充指定的train_size。train_size：float，int或None，默认为None
如果为float，则应介于0.0和1.0之间，并表示要包含在列车拆分中的数据集的比例。如果是int，则表示列车样本的绝对数量。如果为None，则该值将自动设置为测试大小的补码。
random_state：int，RandomState实例或None，可选（默认=无）
如果是int，则random_state是随机数生成器使用的种子; 如果是RandomState实例，则random_state是随机数生成器; 如果没有，随机数生成器所使用的RandomState实例np.random。
shuffle：boolean，optional（default = True）
是否在拆分之前对数据进行洗牌。如果shuffle = False，则分层必须为None。
stratify：array-like或None（默认为None）
如果不是None，则数据以分层方式拆分，使用此作为类标签。
返回： 拆分：列表，长度= 2 * len（数组）
包含列车测试输入分组的列表。
版本0.16中的新增内容：如果输入是稀疏的，则输出将为a
scipy.sparse.csr_matrix。否则，输出类型与输入类型相同。