用途：该技能自动把数据集划分为训练、验证和测试子集，用于机器学习模型的训练与评估，确保数据准备规范、评估可靠。
主要能力：分析用户请求，确定待划分的数据集及各子集比例；生成使用标准机器学习库的 Python 代码执行划分；支持可配置比例与分层（stratification）选项，以在类别不平衡时保持各子集类别分布。
使用方式：当请求中出现“split dataset”“train-test split”等触发条件时激活。用户需提供数据集与目标比例，例如将 my_data.csv 按 70% 训练、15% 验证、15% 测试划分，或对 large_dataset.csv 做 80/20 训练测试划分；技能会生成并执行代码，输出 train.csv、validation.csv、test.csv 等文件。使用前需具备相应文件访问权限并安装所需依赖。
适用场景：为模型训练准备数据、创建训练/验证/测试集、划分数据以评估模型性能。
限制与最佳实践：应验证划分过程保持数据完整性，避免数据丢失或损坏；对不平衡数据集考虑分层；确保划分随机化以避免偏差。该技能可与其他数据处理和模型训练工具集成，形成完整机器学习工作流。错误处理方面，无效输入会提示更正，缺少依赖会列出所需组件，权限错误会给出修复建议。具体依赖清单、支持的数据格式范围及详细参数暂未提供。