Python在機器學習和深度學習中廣泛使用，其中訓練集分割是非常常見的步驟之一。讓我們來深入了解如何使用Python分割訓練集。

# 導入庫
import numpy as np
from sklearn.model_selection import train_test_split
# 生成數據集
X = np.arange(24).reshape((12,2))
y = np.random.randint(2, size=12)
# 分割訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 輸出結果
print("訓練集樣本數: ", X_train.shape[0])
print("測試集樣本數: ", X_test.shape[0])

在這個示例中，我們首先導入了必要的庫。然后我們使用np.arange()函數生成一個帶有12個樣本和2個特征的數據集，并使用np.random.randint()函數生成12個樣本的目標變量。接下來，我們使用train_test_split()函數來分割訓練集和測試集，其中我們指定測試集比例為30％，隨機種子為42。最后，我們輸出分割后的訓練集和測試集的樣本數。

訓練集分割是機器學習和深度學習模型構建過程中的重要步驟，因為它可以幫助我們評估模型在新數據上的表現。此外，合理選擇訓練集和測試集可以讓我們更好地泛化模型，從而獲得更好的性能。