问答 · ANSWER
数据集的划分是什么？
直接回答
数据集划分是将数据分为训练集和测试集的标准做法，用于科学评估机器学习模型面对未知数据的性能。
关键要点
- 数据集划分是为了避免‘练习题当考试’，支持模型评估的客观性。
- 数据集标准格式包括特征矩阵X（二维数组）和标签向量y（一维数组）。
- 划分使用train_test_split函数，涉及test_size和random_state参数。
- 完整建模流程包括数据划分、模型训练、预测和性能评估（如计算准确率）。
怎么选 / 怎么做
1. 准备数据：整理成特征矩阵X和标签向量y的标准格式。
2. 划分数据：使用train_test_split函数，指定测试集比例（如test_size=0.25）和随机种子（random_state）。
3. 获得结果：函数返回X_train, X_test, y_train, y_test四部分。
4. 后续流程：用训练集训练模型，用测试集预测并评估性能。
常见问题
为什么需要划分数据集？
避免用训练数据测试，支持评估的客观性。
数据集的标准格式是什么？
特征矩阵X（二维数组）和标签向量y（一维数组）。
如何划分数据集？
使用train_test_split函数，指定测试集比例和随机种子。