准备数据集时候程序跑不动

为什么我准备数据集的时候程序跑不动，只能生成一个随机数，导致我的训练集和测试机划分不出来，

这是一个划分的例子

import numpy as np
from sklearn.model_selection import train_test_split
 
#构造一个X是5行2列的二维数组，y为5个元素的列表
X, y = np.random.randint(10,size=(5,2)), list(range(5))
X
#array([[8, 4],
        [3, 0],
        [9, 0],
        [5, 9],
        [0, 7]])
 
y
#[0, 1, 2, 3, 4]
 
#将X，y划分为训练集和测试集，测试集的比例为0.3
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=23)
X_train
#array([[9, 0],
        [8, 4],
        [5, 9]])
 
X_test
#array([[3, 0],
        [0, 7]])
 
y_train
#[2, 0, 3]
 
y_test
#[1, 4]

机器学习：训练集与测试集的划分_DataCastle-CSDN博客 机器学习中有一个问题是不可避免的，那就是划分测试集和训练集。为什么要这么做呢，当然是提高模型的泛化能力，防止出现过拟合，并且可以寻找最优调节参数。训练集用于训练模型，测试集则是对训练好的模型进行评估的数据集。通常来说，训练集和测试集是不会有交集的，常用的数据集划分方法有以下两种：留出法k折交叉验证法留出法直接将原数据集划分为两个互斥的数据集，即训练集与测试集。sklearn直接... https://blog.csdn.net/DataCastle/article/details/85045656