在计算机中,机器学习训练是以每个batch为训练单位,并反向传播一次。将一个batch看作一次学习过程,怎么才能学的好呢,当然是学习对的东西,也就是样本要尽可能接近真实的概率分布(模型学习的本质就是去拟合真实的概率分布)。随机打乱后的一段样本比排序后的更加接近真实分布,排序后多了一层相关性,一定程度上表现出不同的概率分布,因此要打乱数据。那在python中有没有打乱顺序,又不影响内容的办法呢?答案当然是有的,就是我们的shuffle()函数。
一、shuffle()函数
是打乱序列里面的元素,并随机排列的。
作用是混排序列中的元素,序列中元素顺序改变,但其内容不变。
二、使用说明
importrandom random.shuffle(alist)
注意:alist可以使是一个列表,也可以是个序列。shuffle()是不能直接访问的,需要导入random模块。
三、shuffle() 方法
1、将单列表的所有元素随机排列
>>>importrandom >>>list=[0,1,2,3,4,5,6,7,8,9] >>>random.shuffle(list) >>>list [6,2,4,7,9,3,1,5,8,0]
2、将单列表的所有元素随机排列
a、b、c都是二维列表,我们将a、b、c作为shuffle的参数洗牌打乱一下,发现结果是二维列表行内的顺序不变,列的顺序发生了变化,并且a、b、c三个二维列表的变化是一致的。
fromsklearn.utilsimportshuffle a=[[1,2,3], [4,5,6], [7,8,9]] b=[[10,11,12], [13,14,15], [16,17,18]] c=[[19,20,21], [22,23,24], [25,26,27]] a,b,c=shuffle(a,b,c) print(a) print(b) print(c)
输出:
[[7,8,9],[4,5,6],[1,2,3]] [[16,17,18],[13,14,15],[10,11,12]] [[25,26,27],[22,23,24],[19,20,21]]原文来自:https://www.py.cn
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END
暂无评论内容