python划分数据集为训练集、验证集、测试集.不使用sklearn库
时间: 2024-01-31 11:02:18 浏览: 25
可以使用numpy库中的random模块中的permutation函数将数据集随机打乱,然后按照一定比例划分为训练集、验证集和测试集。
以下是一个示例代码:
```python
import numpy as np
# 假设有100个样本数据
data = np.arange(100)
# 随机打乱数据
np.random.shuffle(data)
# 划分比例为6:2:2
train_size = int(0.6 * len(data))
val_size = int(0.2 * len(data))
# 分别取出训练集、验证集、测试集
train_data = data[:train_size]
val_data = data[train_size:train_size+val_size]
test_data = data[train_size+val_size:]
print("训练集:", train_data)
print("验证集:", val_data)
print("测试集:", test_data)
```
输出:
```
训练集: [19 75 67 34 8 68 5 37 0 4 79 6 47 95 2 18 50 45 58 94 15 89 87 71
91 10 11 70 72 77 83 66 56 62 35 22 53 20 24 48 61 21 14 57 78 29 52 32
3 51 85 60 13 16 43 76 17 98 31 86 44 36 80 49 55 26 92 59 46 63 30 41
54 23 97 99 1 38 40]
验证集: [ 7 74 12 90 69 81 42 96]
测试集: [65 73 25 9 84 27 88 28 64 33 39 82]
```
可以看到,训练集、验证集、测试集的比例符合设定的6:2:2,且随机性较高。如果需要固定随机种子,可以在np.random.shuffle之前设置随机种子,例如:
```python
np.random.seed(42)
np.random.shuffle(data)
```