划分训练集验证集测试集的代码

以下是一个简单的划分训练集、验证集和测试集的代码示例，假设我们有一个数据集 `data`，其中包含输入数据和标签。

import numpy as np

# 首先，将数据集按随机顺序打乱
np.random.seed(42)
shuffle_indices = np.random.permutation(np.arange(len(data)))
data = data[shuffle_indices]

# 指定训练集、验证集和测试集的比例
train_ratio = 0.7
val_ratio = 0.15
test_ratio = 0.15

# 划分数据集
num_train = int(train_ratio * len(data))
num_val = int(val_ratio * len(data))
num_test = len(data) - num_train - num_val
train_data = data[:num_train]
val_data = data[num_train:num_train+num_val]
test_data = data[num_train+num_val:]

# 打印数据集大小
print("训练集大小：", len(train_data))
print("验证集大小：", len(val_data))
print("测试集大小：", len(test_data))

在这个示例中，我们首先使用 `numpy.random.permutation` 将数据集按随机顺序打乱，然后根据比例划分数据集。最后，我们打印了每个数据集的大小。