train_test_split()是sklearn.model_selection中的分離器函式，用於將陣列或矩陣劃分為訓練集和測試集，函式樣式為： X_train, X_test, y_train, y_test = train_test_split(train_data, train_target, test_size, random_state，shuffle)

引數解釋：

• train_data：待劃分的樣本資料
• train_target：待劃分的對應樣本資料的樣本標籤
• test_size：1）浮點數，在0 ~ 1之間，表示樣本佔比（test_size = 0.3，則樣本資料中有30%的資料作為測試資料，記入X_test，其餘70%資料記入X_train，同時適用於樣本標籤）；2）整數，表示樣本資料中有多少資料記入X_test中，其餘資料記入X_train
• random_state：隨機數種子，種子不同，每次採的樣本不一樣；種子相同，採的樣本不變（random_state不取，取樣資料不同，但random_state等於某個值，取樣資料相同，取0的時候也相同，這可以自己程式設計嘗試下，不過想改變數值也可以設定random_state = int(time.time())）
• shuffle：洗牌模式，1）shuffle = False，不打亂樣本資料順序；2）shuffle = True，打亂樣本資料順序

Python程式碼：

>>> import numpy as np
>>> from sklearn.model_selection import train_test_split
>>> X, y = np.arange(30).reshape((10, 3)), range(10)
>>> X_train, X_test ,y_train, y_test= train_test_split(X, y,test_size=0.3, rando
m_state = 20, shuffle=True)
>>> X_train
array([[15, 16, 17],
       [ 0,  1,  2],
       [ 6,  7,  8],
       [18, 19, 20],
       [27, 28, 29],
       [12, 13, 14],
       [ 9, 10, 11]])
>>> X_test
array([[21, 22, 23],
       [ 3,  4,  5],
       [24, 25, 26]])
>>> y_train
[5, 0, 2, 6, 9, 4, 3]
>>> y_test
[7, 1, 8]