`sklearn.utils`.shuffle¶

sklearn.utils.shuffle()¶

Revuelve arreglos o matrices dispersas de forma coherente.

Este es un alias de conveniencia para resample(*arrays, replace=False) para hacer permutaciones aleatorias de las colecciones.

Parámetros

*arrayssecuencia de estructuras de datos indexables: Las estructuras de datos indexables pueden ser arreglos, listas, dataframes o matrices dispersas scipy con una primera dimensión consistente.
random_stateentero, instancia de RandomState o None, default=None: Determina la generación de números aleatorios para revolver los datos. Pasa un número entero (int) para obtener resultados reproducibles a través de múltiples invocaciones a la función. Consulta el Glosario.
n_samplesint, default=None: Número de muestras a generar. Si se deja en None se establece automáticamente a la primera dimensión de los arreglos. No debe ser mayor que la longitud de los arreglos.

Devuelve

shuffled_arrayssecuencia de estructuras de datos indexables: Secuencia de copias revueltas de las colecciones. Los arreglos originales no se ven afectados.

Ver también

resample

Ejemplos

Es posible mezclar arreglos dispersos y densos en la misma ejecución:

>>> 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
<3x2 sparse matrix of type '<... 'numpy.float64'>'
    with 3 stored elements in Compressed Sparse Row format>

>>> 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])

Ejemplos utilizando `sklearn.utils.shuffle`¶

sklearn.utils.shuffle¶

Ejemplos utilizando sklearn.utils.shuffle¶

`sklearn.utils`.shuffle¶

Ejemplos utilizando `sklearn.utils.shuffle`¶