在深度學習中，我們對資料集進行處理，放到神經網路之前，往往需要先打亂資料集，如果資料集是ndarray(numpy)資料，屬性(features)和標籤(labels)在同乙個array的話，也就是labels是在資料的最後乙個維度，前幾個維度均為資料的屬性，這樣我們可以通過numpy來打亂資料集。
**如下：
import numpy as np
dataset = np.load(filename)
np.random.shuffle(dataset)
features = dataset[:,:-1]
labels = dataset[:,-1]
dataset = np.random.shuffle(dataset),**是會報錯的。
如果features 和labels是分開的ndarray,那麼可以使用一下**來打亂資料集。
import random
random_index = random.sample(list(range(dataset.shape[0])),dataset.shape[0])
train_size = int(dataset.shape[0] * 0.6)
train_index = random_index[:train_size]
test_index = [i for i in train_index if i not in train_index]
train_features = features[train_index]
test_labels = labels[test_index]
test_features = features[test_index]
test_labels = labels[test_index]
test_index = list(set(random_index).difference(set(train_index)))打亂資料集的方法
原始資料存在一定的分布規律，所以學習曲線不平滑，如果資料量夠大的話，打亂後會呈現隨機分布，學習後更能體現樣本的共性。為了加強模型的泛化能力，有時候需要打亂資料集 包括特徵資料和標籤 但是顯然還是要保證每一條資料中的特徵資料和標籤的對應關係 可以進行如下操作 1.通過隨機化index import r...
JS打亂陣列最高效的方法
var arr for var i 0 i 100 i arr.sort function var str arr.join alert str arr.sort function sort 是對陣列進行排序 他的是這樣工作的。每次從陣列裡面挑選兩個數 進行運算。如果傳入的引數是0 兩個數字置不變。...
JS打亂陣列最高效的方法
這個方法是我見過對高效的。vararr for vari 0 i 100 i arr.sort function var str arr.join alert str 解釋 var arr 新建乙個陣列 這是大家推薦的方式。而不推薦使用 var arr new array 這句不用解釋了。for v...