如何做到完全随机切分并且是可以学习的

完全随机切分是指在数据集中，每个样本都有相等的概率被划分到训练集或测试集中。这种切分方式可以减少数据集本身的偏差。下面是一种可以学习的完全随机切分方法：

1. 首先将数据集随机排序，确保每个样本都有相等的机会被划分到训练集或测试集中。

2. 然后根据设定的训练集和测试集比例，将数据集分为两部分。

3. 对于每个样本，以一定的概率将其分配到训练集或测试集中。这个概率可以用一个可学习的参数来表示，可以根据数据集的特征和实际需求进行调整。

4. 在训练过程中，优化这个参数，使得划分结果更加随机且符合实际需求。

这种方法可以通过交叉验证等方法进行评估和调整，从而得到更好的划分结果。同时，由于每个样本都有相等的机会被划分到训练集或测试集中，所以可以减少数据集本身的偏差，提高模型的泛化能力。