如何在该场景下正确使用train_test_split进行数据集划分？

我来帮你梳理一下train_test_split的正确用法，顺便修正你代码里的几个小问题：

首先，先明确几个核心要点：

• train_test_split的必填参数是你的自变量特征集（通常命名为X）和因变量目标集（通常命名为y）
• 你的代码里有两处需要调整：ix方法已经被pandas弃用，还有你写的返回变量顺序搞反了（正确顺序是X_train, X_test, y_train, y_test）

修正后的完整代码 #

import pandas as pd  # 别忘了导入pandas！
from sklearn.model_selection import train_test_split

# 读取并预处理数据集
Data1 = pd.read_csv(r"C:\Users\Zihao\Desktop\New\OBSTET.csv", index_col=0)
Data1.fillna(0, inplace=True)

# 提取因变量（第一列）和自变量（其余列）
y = Data1.iloc[:, 0]  # 用iloc替代已弃用的ix，索引更稳定
X = Data1.iloc[:, 1:]  # 取第2列到最后一列作为自变量特征

# 执行数据集划分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

关键参数详解 #

• X和y：这两个是必填项，X是所有自变量的特征数据，y是对应的因变量标签，必须保证两者的行数完全匹配。
• test_size：可选参数，设置测试集占总数据的比例，比如0.2表示20%的数据作为测试集，剩下80%作为训练集；默认值是0.25。
• random_state：可选参数，设置随机种子，保证每次运行代码时划分的结果完全一致，方便实验复现。你可以填任意整数，比如42是机器学习领域常用的取值。

原代码的问题说明 #

• 你调用train_test_split()时没有传入任何参数，它必须至少接收特征集和目标集两个核心参数才能运行。
• 你写的返回变量顺序X_train, y_train, x_test, y_test不符合函数的返回规则，train_test_split的固定返回顺序是：训练特征集、测试特征集、训练目标集、测试目标集。

内容的提问来源于stack exchange，提问作者Tom