数据集reshape

数据集的reshape是指将原始数据集的形状重新排列为新的形状。在机器学习中，数据集的reshape通常用于将图像数据转换为一维向量，以便于输入到模型中进行训练。下面是一个例子：

假设我们有一个数据集X，它的形状为(60000, 28, 28)，表示有60000张28x28的灰度图像。我们可以使用numpy库中的reshape函数将其转换为一维向量，代码如下：

import numpy as np

X = np.random.rand(60000, 28, 28) # 生成一个随机的数据集
X_reshaped = X.reshape(X.shape[0], -1) # 将数据集reshape为一维向量
print(X_reshaped.shape) # 输出：(60000, 784)

在上面的代码中，我们使用了numpy库中的reshape函数将数据集X转换为一维向量X_reshaped。其中，reshape函数的第一个参数表示新的形状，第二个参数-1表示自动计算缺失的维度大小。