Ejercicio de programación con ScikitLearn: Particionamiento de datos

Crea un archivo .ipynb desde cero que realice lo siguiente:

1. Genera un dataset simulado utilizando pandas, que contenga al menos dos columnas de características (por ejemplo, "feature_1" y "feature_2") y una columna de etiquetas denominada "Clase" con valores binarios (0 y 1), asegurándote de que ambas clases estén representadas de forma razonable.
2. Utiliza la función train_test_split de Scikit-Learn para dividir el dataset en un conjunto de entrenamiento (70 % de los datos) y un conjunto de prueba (30 % de los datos). Asegúrate de:
   • Fijar la semilla con el parámetro random_state (por ejemplo, 42) para lograr reproducibilidad.
   • Barajar los datos antes de la partición.
   • Aplicar la estratificación con el parámetro stratify para mantener la proporción de clases en ambos conjuntos.
3. Muestra en pantalla:
   • Las dimensiones (número de muestras) de los conjuntos de entrenamiento y prueba.
   • La distribución de las clases en cada conjunto (por ejemplo, utilizando value_counts(normalize=True)).