单元一
第4课 train_test_split 与为什么要拆分
一、任务目标
把数据拆成「练习册」和「期末卷」，并打印两边大小。
二、核心概念讲清楚
train_test_split 把数据拆成训练集（用来 fit）和测试集（用来评估）。否则模型可能「背答案」而不会泛化。
- 训练集：教模型用
- 测试集：考模型用，默认不要参与训练
- random_state 固定后，每次划分可复现
random_state 像抽签用的「起始号码」：固定同一个数，同学之间拆分结果可对照；不固定则每次随机划分可能不同。
1准备 X,y完整数据表
2调用划分train_test_split
3得到四段X_train/X_test/y_train/y_test
4只在 train 上 fit再在 test 上预测评估
三、跟着想一遍（小例子）
iris 数据划分后，用 X_train,y_train fit，再用 X_test 预测，与 y_test 对比正确率。
易错：先用全部数据 fit，再拿同一批数据「测试」，分数虚高。
正确：严格分开：训练归训练，测试归测试。
想一想：为什么要固定 random_state？（提示：方便同学之间结果可对照。）
四、解题思路
任务：把数据拆成「练习册」和「期末卷」，并打印两边大小。 先想清楚：输入是什么、处理后得到什么、屏幕上应出现什么。
本课主要用到：屏幕输出。
- 1明确任务「把数据拆成「练习册」和「期末卷」，并打印两边大小。」：运行后你希望看到什么结果（文字、图形或计算结果）。
- 2用 print 把结果说出来，确认屏幕上出现预期内容。
- 3对照参考代码跑通后，只改一个参数，观察结果如何变化。
流程示意（可对照左侧文字）
五、语句功能讲解
下面只列出本课首次出现的语句／函数。已在前面课讲过的不再重复；先认新语句，再对照参考代码。
| 语句 | 作用 | 本课用法 |
|---|---|---|
range() | 生成一串整数 | 常与 for 配合：for i in range(4) |
for | 按次数或按元素重复 | 少写重复代码，画出重复图案。 |
六、知识点讲解
过拟合是模型把训练集记得太死，换新数据就差。要用没见过的数据检查；好模型是「会举一反三」，不是「只会背题」。
先弄清本课输入与输出，再进编程练习对照现象。
七、编程练习
先理解上面的例子，再在下方 Mixly 运行与检查（含 scikit-learn）。
观察训练/测试各有几条。
参考代码（对照抄写到下方 Mixly）
from sklearn.model_selection import train_test_split
X = [[1], [2], [3], [4], [5], [6], [7], [8]]
y = [0, 0, 0, 0, 1, 1, 1, 1]
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.25, random_state=0
)
print("训练样本数:", len(X_train))
print("测试样本数:", len(X_test))
print("y_test:", y_test)
正在载入编程环境
正在载入 Mixly 文本编程环境…
八、课堂练习
先完成两道正误判断，再做其余题目；选出后点「检查」。
判断：只抄参考代码，不看运行输出，也不改参数验证。
判断：先跑通，再对照「训练集」改一处输入/参数，确认输出按预期变化；答错小测时读讲解。
测试集的正确用法是？
random_state 固定后通常会？
九、本节小结
先拆分，再训练，最后在测试集上打分。下一单元进入分类：近邻算法与鸢尾花。