可能存在从 sklearn.utils 的函数 shuffle 返回的方法? 我更好地解释了我的问题:我使用 shuffle 函数随机化两个矩阵的行:
A_s, B_s = shuffle(A, B, random_state = 1)
接下来,我在某些操作中使用了两个矩阵 A_s、B_s,并获得了另一个具有相同维度的矩阵 C_s:例如C_s = f(A_s, B_s)。如何回到C原来的顺序为A和B?
我在想类似于 sklearn.preprocessing.MinMaxScaler((0,+1)) 的东西,在我回来使用 sklearn.inverse_transform() 之后。
请您参考如下方法:
不一定可以,取决于你选择的f。如果 f 是可逆的,并且您跟踪行被打乱的方式,那么即使效率不高,这也是可能的。 sklearn.utils shuffle 方法不会“跟踪”矩阵被洗牌的方式。你可能想自己动手。要生成随机洗牌,请生成 range(len(A)) 的随机排列,然后按该顺序迭代交换行。要检索原始矩阵,您只需反转排列即可。这将允许您为 f 的某些选择恢复 C(例如矩阵加法)
(编辑,OP 要求提供更多信息)
这对我有用,但可能还有更有效的方法:
import numpy as np
def shuffle(A,axis=0,permutation=None):
A = np.swapaxes(A,0,axis)
if permutation is None:
permutation = np.random.permutation(len(A))
temp = np.copy(A[permutation[0]])
for i in range(len(A)-1):
A[permutation[i]] = A[permutation[i+1]]
A[permutation[-1]] = temp
A = np.swapaxes(A,0,axis)
return A, permutation
A = np.array([[1,2],[3,4],[5,6],[7,8]])
print A
B, p = shuffle(A) #NOTE: shuffle is in place, so A is the same object as B!!!!
print "shuffle A"
print B
D, _ = shuffle(B,permutation=p[::-1])
print "unshuffle B to get A"
print D
B = np.copy(B)
C = A+B
print "A+B"
print C
A_s, p = shuffle(A)
B_s, _ = shuffle(B, permutation = p)
C_s = A_s + B_s
print "shuffle A and B, then add"
print C_s
print "unshuffle that to get the original sum"
CC, _ = shuffle(C_s, permutation=p[::-1])
print CC
