X_train, X_test, y_train, y_test = train_test_split(X,y, random_state=42)
(1) y 参数是目标类。 X是什么？ X 是具有目标类属性或没有目标类属性的整个数据集。
(2)如果我们有单独的训练和测试数据文件（train.csv、test.csv），我们如何获得 X_train、X_test、y_train、y_test。
【问题讨论】：
train_test_split？ （这是你的问题2）
(1) y 参数是目标类。 X是什么？ X 是整个数据集 目标类属性也可以或没有目标类属性。
X 是您的机器学习问题中的特征，因此它没有目标值 y。
使用 cvs.files，您将拥有几列：
Sepal_length Sepal_width class
0 1 0
1 1 1
那么 X 将是：X=df[['Sepal_length', 'Sepal_width']] 和 y=df[['class']]
2）如果我们有单独的训练和测试数据文件（train.csv、test.csv），我们如何获得 X_train、X_test、y_train、y_test。
您已经有文件：训练和测试，所以不需要拆分它。但是有一个验证集的可能性。
方法是：
训练集：训练您的算法，并更改您的 ML 的参数
验证集：测试你的算法并验证参数，注意不要用它来训练
测试集：保存您的 ML 并将其用于测试集，这些数据也是完全看不见的。
在你的情况下：train.csv是你的训练集和验证集
和test.csv可能是你的测试集（它也可以是一个拆分的验证和测试集）
【讨论】：
对于刚接触 ML 的人来说，“测试”这个名称有两种不同的含义总是很奇怪，第一个是“有效”，第二个是“真实”测试。
train_test_split 将原始train (X) 拆分为reduced train (X_train) 和valid (X_test)，如果拆分前不移除，则目标存在于两部分。
谈到文件 train.csv 和 test.csv，我们谈论的是带有目标的火车和没有目标的“真实”测试 - train_test_split 与它们无关。
【讨论】：
您只需要从单个文件中导入数据。模块 train_test_split 将拆分数据。所以这里所有的数据都在“Salary_Data.csv”里面。
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# Importing the dataset
dataset = pd.read_csv('Salary_Data.csv')
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 1].values
# Splitting the dataset into the Training set and Test set
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.33, random_state = 0)
【讨论】：
dataset = pd.read_csv('Salary_Data.csv') X = dataset .drop(['HasDetections'], axis=1) Y = dataset ['HasDetections'] 那么，这样做对吗？其中 HasDetections 是目标类。