實驗資料集：2096*351，第一列為y，餘下350列為特徵x
# 分割輸入x和輸出y
x = dataset[:, 1: 351]
y = dataset[:, 0]
# 打亂訓練集
index = [i for i in range(len(dataset))]
# 下面這種寫法也可以
# index = np.arange(len(dataset))
np.random.shuffle(index) # 打亂索引
x = x[index]
y = y[index]
# 我們可以輸出測試一下，資料已經打亂 且標籤和特徵仍一一對應
print(index[0], x[0], y[0])
print(index[1], x[1], y[1])
print(index[5], x[5], y[5])
參考：python/keras如何將給定的資料集打
Keras 資料集介紹
基本的使用情況差不多介紹的差不多了，我也是邊學習邊寫部落格，其中難免有很多理解錯誤的地方或者理解不到位的地方，還請各位博友多多指點。python view plain copy print?keras.datasets.cifar10 keras.datasets.cifar10cifar10資料集...
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...
Keras資料集匯入問題
keras 中文文件 當採用文件推薦方法即如下 匯入資料集時 from keras.datasets import fashion mnist x train,y train x test,y test fashion mnist.load data 如本例的fashion mnist 時尚物品資料...