перемешивание#

sklearn.utils.перемешивание(*массивы, random_state=None, n_samples=None)[источник]#

Перемешивание массивов или разреженных матриц согласованным образом.

Это удобный псевдоним для resample(*arrays, replace=False) для выполнения случайных перестановок коллекций.

Параметры:

*arraysпоследовательность индексируемых структур данных: Индексируемые структуры данных могут быть массивами, списками, датафреймами или разреженными матрицами scipy с согласованной первой размерностью.
random_stateint, экземпляр RandomState или None, по умолчанию=None: Определяет генерацию случайных чисел для перемешивания данных. Передайте целое число для воспроизводимых результатов при многократных вызовах функции. См. Глоссарий.
n_samplesint, default=None: Количество генерируемых образцов. Если оставить None, это автоматически устанавливается в первую размерность массивов. Не должно быть больше длины массивов.

Возвращает:

перемешанные_массивыпоследовательность индексируемых структур данных: Последовательность перемешанных копий коллекций. Исходные массивы не затрагиваются.

Смотрите также

resample: Перевыборка массивов или разреженных матриц согласованным образом.

Примеры

Можно смешивать разреженные и плотные массивы в одном запуске:

>>> import numpy as np
>>> X = np.array([[1., 0.], [2., 1.], [0., 0.]])
>>> y = np.array([0, 1, 2])

>>> from scipy.sparse import coo_matrix
>>> X_sparse = coo_matrix(X)

>>> from sklearn.utils import shuffle
>>> X, X_sparse, y = shuffle(X, X_sparse, y, random_state=0)
>>> X
array([[0., 0.],
       [2., 1.],
       [1., 0.]])

>>> X_sparse

    with 3 stored elements and shape (3, 2)>

>>> X_sparse.toarray()
array([[0., 0.],
       [2., 1.],
       [1., 0.]])

>>> y
array([2, 1, 0])

>>> shuffle(y, n_samples=2, random_state=0)
array([0, 1])