在试图找出train_test_split和StratifiedShuffleSplit之间的区别时，我发现了以下声明。
当
stratify不为None时，train_test_split内部使用StratifiedShuffleSplit，
我只是在想，为什么当我们可以使用train_test_split中的stratify参数时，还要使用sklearn.model_selection中的StratifiedShuffleSplit。
回答：
主要是为了可重用性。相比于复制已经为StratifiedShuffleSplit实现的代码，train_test_split只是调用那个类。出于同样的原因，当stratify=False时，它使用model_selection.ShuffleSplit类（参见源代码）。
请注意，复制代码被认为是一种不好的做法，因为它被认为会增加维护成本，而且由于对代码复制的更改不一致，可能会导致意外的行为。如果你想了解更多，这里有一篇参考文献。
此外，尽管它们执行相同的任务，但它们并不能在所有情况下都通用。例如，train_test_split不能在使用sklearn.model_selection.RandomizedSearchCV或sklearn.model_selection.GridSearchCV进行随机或网格搜索时使用。而StratifiedShuffleSplit可以。原因是前者不是“一个生成（train, test）分割作为索引数组的可迭代对象”。而后者有一个方法split，它生成（train, test）分割作为索引数组。更多信息请参见这里（查看参数cv）。
