在玩python学习机器时，对于那种对随机性不太敏感的模型，理论上说可以不打乱。但敏感不敏感也跟数据量级，复杂度，算法内部计算机制都有关，目前并没有一个经纬分明的算法随机度敏感度列表。既然打乱数据并不会得到一个更差的结果，一般推荐的做法就是打乱全量数据。那怎么打乱呢？今天小编就教大家在python中打乱数据集和标签，来看看吧。
方法一、打乱索引Index
import numpy as np index = [i for i in range(len(test_data))] # test_data为测试数据 np.random.shuffle(index) # 打乱索引 test_data = test_data[index] test_label = test_label[index]
方法二：通过数组来shuffle来打乱
image_list=[] # list of images label_list=[] # list of labels temp = np.array([image_list, label_list]) temp = temp.transpose() np.random.shuffle(temp) images = temp[:, 0] # array of images (N,) labels = temp[:, 1]
方法三：通过随机数打乱
import numpy as np np.random.seed(12) np.random.shuffle(test_data) np.random.seed(12) np.random.shuffle(test_label)
以上就是小编整理的用python打乱数据的方法，如果你在玩python机器学习的话，可以采取以上方法打乱数据哦~更多学习推荐