train_test_split

使用train_test_split命令来做训练集和数据集的数据划分，方便之后的模型训练和验证工作。

一般机器学习的流程中，为了使最终训练好的模型在真实数据中得到好的预测效果，我们在模型训练过程中将数据分成训练集和测试集（还可以添加验证集，此处暂且忽略）。我们可以使用训练集的数据来训练模型，然后用测试集上的误差作为最终模型在应对现实场景中的泛化误差。有了测试集，我们想要验证模型的最终效果，只需将训练好的模型在测试集上计算误差，即可认为此误差即为泛化误差的近似，我们只需让我们训练好的模型在测试集上的误差最小即可。

语法

| ..
| train_test_split split_ratio=<float> shuffle=<True <default>|False> random_state=<int>

参数说明

split_ratio: 用来指定测试集和训练集的划分比例，默认是0.75，即测试集：训练集= 3:1。一般建议划分比例至少在0.6以上。

shuffle: 用来指定将数据按顺序或乱序划分，默认是True，即乱序划分。顺序划分一般用在当数据的排列顺序有意义的时候，比如在时间序列分析的场景中，需要将数据按照时间序列顺序划分。

random_state: 用来指定随机种子，默认是1234。随机种子可以是任意整数，用来保证在乱序划分的情况下，多次划分结果保持一致。

示例用法

1. 将原始数据按4：1的比例做划分。返回结果新增dataset字段，表明该行数据属于测试集（test）还是训练集（train）。

repo="_internal"
| train_test_split split_ratio=0.8