अगर आप शफ़ल करने के लिए लगातार कई सरणियों एक्स, वाई, एक ही पहला आयाम के साथ जेड चाहते HYRY के जवाब देने के लिए
import numpy as np
N = 4601
data = np.arange(N*58).reshape(-1, 58)
np.random.shuffle(data)
a = data[:int(N*0.6)]
b = data[int(N*0.6):int(N*0.8)]
c = data[int(N*0.8):]
आप बेतरतीब ढंग से पंक्तियों का चयन करना चाहते हैं, तो आप सिर्फ मानक अजगर पुस्तकालय से random.sample इस्तेमाल कर सकते हैं: प्रतिस्थापन के बिना
import random
population = range(4601) # Your number of rows
choice = random.sample(population, k) # k being the number of samples you require
random.sample नमूने, तो आप बार-बार पंक्तियों समाप्त बारे में चिंता करने की जरूरत नहीं है choice में। matrix नामक एक सुस्त सरणी को देखते हुए, आप स्लाइसिंग द्वारा पंक्तियों का चयन कर सकते हैं, जैसे: matrix[choice]।
, पाठ्यक्रम, k आबादी में कुल तत्वों की संख्या के बराबर हो सकता है, और फिर choice में आपकी पंक्तियों के सूचकांक का यादृच्छिक क्रम होगा। फिर आप कृपया विभाजन कर सकते हैं, अगर आपको इसकी ज़रूरत है।
A पूरक numpy.random.shuffle उपयोग कर सकते हैं: x.shape[0] == y.shape[0] == z.shape[0] == n_samples।
आप कर सकते हैं:
rng = np.random.RandomState(42) # reproducible results with a fixed seed
indices = np.arange(n_samples)
rng.shuffle(indices)
x_shuffled = x[indices]
y_shuffled = y[indices]
z_shuffled = z[indices]
और फिर HYRY के जवाब में के रूप में प्रत्येक फेरबदल सरणी के विभाजन के साथ आगे बढ़ें।
जब से तुम मशीन सीखने के लिए इसकी आवश्यकता है, यहाँ एक विधि मैंने लिखा है:
import numpy as np
def split_random(matrix, percent_train=70, percent_test=15):
"""
Splits matrix data into randomly ordered sets
grouped by provided percentages.
Usage:
rows = 100
columns = 2
matrix = np.random.rand(rows, columns)
training, testing, validation = \
split_random(matrix, percent_train=80, percent_test=10)
percent_validation 10
training (80, 2)
testing (10, 2)
validation (10, 2)
Returns:
- training_data: percentage_train e.g. 70%
- testing_data: percent_test e.g. 15%
- validation_data: reminder from 100% e.g. 15%
Created by Uki D. Lucas on Feb. 4, 2017
"""
percent_validation = 100 - percent_train - percent_test
if percent_validation < 0:
print("Make sure that the provided sum of " + \
"training and testing percentages is equal, " + \
"or less than 100%.")
percent_validation = 0
else:
print("percent_validation", percent_validation)
#print(matrix)
rows = matrix.shape[0]
np.random.shuffle(matrix)
end_training = int(rows*percent_train/100)
end_testing = end_training + int((rows * percent_test/100))
training = matrix[:end_training]
testing = matrix[end_training:end_testing]
validation = matrix[end_testing:]
return training, testing, validation
# TEST:
rows = 100
columns = 2
matrix = np.random.rand(rows, columns)
training, testing, validation = split_random(matrix, percent_train=80, percent_test=10)
print("training",training.shape)
print("testing",testing.shape)
print("validation",validation.shape)
print(split_random.__doc__)