机器学习–使用numpy随机打散训练数据
来源:互联网 发布:java web统计登录次数 编辑:程序博客网 时间:2024/06/05 05:35
机器学习–使用numpy随机打散训练数据
>本文由Friskit: http://friskit.me/2014/10/22/shuffle-train-data-in-numpy/[1]修改而来。
机器学习中,如果训练数据之间相关性很大(例如:连续的语音分帧),会造成泛化能力很差。通常需要打散训练数据。
如果训练数据data的输入data_x和输出data_y未分开,可以考虑使用np.random.shuffle(data),shuffle函数直接在data上进行随机打散。
代码块:
pythonimport numpydata_x = numpy.random.random((5,3))data_y = numpy.random.randint(0,2,size=[5,1])data = numpy.hstack((data_x, data_y))print(data)numpy.random.shuffle(data)print(data)
如果训练数据data的输入data_x和输出data_y分来,则使用numpy.random.permutation(data_x.shape[0]),permutation函数返回和data_x等长的打散的索引。
代码块:
pythonimport numpydata_x = numpy.random.random((5,3))data_y = numpy.random.randint(0,2,size=[5,1])print(numpy.hstack((data_x, data_y)))indices = numpy.random.permutation(data_x.shape[0])# indices = numpy.random.permutation(len(data_x))rand_data_x = data_x[indices]rand_data_y = data_y[indices]print(numpy.hstack((rand_data_x, rand_data_y)))
阅读全文
0 0
- 机器学习–使用numpy随机打散训练数据
- Python数据分析与机器学习-Numpy
- numpy使用中随机
- 机器学习算法的随机数据生成
- 机器学习:你需要多少训练数据?
- 机器学习:你需要多少训练数据?
- 机器学习:你需要多少训练数据?
- 机器学习(11)-大数据训练
- 机器学习-Python-Numpy
- 「机器学习」Python数据分析之Numpy进阶
- 「机器学习」Python数据分析之Numpy
- 随机梯度下降(Stochastic Gradient Descend, SGD)算法在大规模数据机器学习问题的使用
- 随机森林-机器学习
- 机器学习 -- 随机森林
- 机器学习-随机森林
- 机器学习-随机森林
- 机器学习之入门Numpy
- python 机器学习库:Numpy
- python列表推导式
- 360CERT:GoAead RCE(CVE–2017–17562)预警分析
- 数据挖掘学习------------------4-分类方法-4-神经网络(ANN)
- C++标准库总结
- Android打包失败原因
- 机器学习–使用numpy随机打散训练数据
- js读取usb扫码枪数据
- ansible管理windows实践
- SpringMvc和servlet简单对比介绍
- 阿里云CloudDBA
- 服务端I/O性能大比拼:Node、PHP、Java、Go
- 0基础能学会大数据HCIE吗?
- 基础数据机构之ArrayDeque队列源码分析
- 瀑布和敏捷开发