sklearn.model_selection.train_test_split(*arrays, **options) 作用：將陣列或矩陣拆分為隨機序列和測試子集 我們先了解其引數和返回值，然後通過例子來學會使用它。

引數:

arrays :具有相同長度/形狀的可索引序列，允許的輸入是列表，numpy陣列，scipy-sparse矩陣或pandas資料幀。

test_size : float, int, None, optional

如果為float，則應介於0.0和1.0之間，並表示要包含在測試拆分中的資料集的比例。如果是int，則表示測試樣本的絕對數量。如果為None，則將該值設定為列車大小的補碼。預設情況下，該值設定為0.25。預設值將在版本0.21中更改。只有在train_size未指定時才會保持0.25 ，否則它將補充指定的train_size。

train_size : float，int或None，預設為None

如果為float，則應介於0.0和1.0之間，並表示要包含在列車拆分中的資料集的比例。如果是int，則表示列車樣本的絕對數量。如果為None，則該值將自動設定為測試大小的補碼。

random_state : int，RandomState例項或None，default=None

如果是int，則random_state是隨機數生成器使用的種子; 如果是RandomState例項，則random_state是隨機數生成器; 如果沒有，隨機數生成器所使用的RandomState例項np.random。

shuffle : boolean, optional (default=True)

是否在拆分之前對資料進行洗牌。如果shuffle = False，則分層必須為None。

stratify : array-like or None (default is None)

如果不是None，則資料以分層方式拆分，使用此作為類標籤。

返回值：

splitting :列表，長度= 2 * len（陣列）

包含訓練測試的輸入的列表。

在版本0.16中的新增內容：如果輸入是稀疏的，則輸出將為a scipy.sparse.csr_matrix。否則，輸出型別與輸入型別相同。

例子

例子來自於官方文件

>>> 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]]