把一组数据划分成训练集，验证集，测试集代码

以下是一个简单的Python代码示例，用于将数据集划分为训练集、验证集和测试集：

import numpy as np

data = np.array(...) # your data here
train_ratio = 0.7
val_ratio = 0.2
test_ratio = 0.1

# Step 1: Shuffle the data
np.random.shuffle(data)

# Step 2: Split the data into train, val, and test sets
train_size = int(train_ratio * len(data))
val_size = int(val_ratio * len(data))
test_size = int(test_ratio * len(data))

train_data = data[:train_size]
val_data = data[train_size:train_size+val_size]
test_data = data[train_size+val_size:]

# Step 3: Use the data sets for training, validation, and testing
# For example, you can use train_data to train a model, val_data to tune hyperparameters, and test_data to evaluate the model's performance

在这个示例中，我们使用numpy库来加载数据，并定义了三个比例（train_ratio、val_ratio和test_ratio），用于指定训练集、验证集和测试集的大小。接下来，我们对数据进行随机打乱，以确保数据的随机性。然后，我们将数据集划分为三个不同的数据集，并将它们存储在train_data、val_data和test_data变量中。最后，我们可以使用这些数据集来进行训练、验证和测试。