数据分析-打乱数据集

我们在进行机器学习的时候，有时得到的数据都是按顺序排列的。比如：

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2

2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

2 2]

利用留出法讲数据分成训练集和验证集，你会发现留出验证集标签都是[2]，不利于学习。

下面是两种打乱数据的方法：

permutation传入参数要打乱数组的长度，返回原数组索引的乱序，不改变原数组顺序。

二、利用sklearn的train_test_split

fromsklearnimportdatasets

fromsklearn.model_selection \

importtrain_test_split

iris=datasets.load_iris()

X_train, X_test, y_train, y_test=\

train_test_split(

iris['data'],

iris['target'],

test_size=0.4,

random_state=)

第一个参数：所要划分的样本特征集

第二个参数： 所要划分的样本结果

第三个参数： 样本占比，如果是整数的话就是样本的数量。默认0.25，即75%训练数据，25%测试数据。

第四个参数：随机数生成器的种子，相同种子生成的函数结果相同。