先随机化数据对分类效果的影响

首先，用了python自带的shuffle函数对原始样本进行随机化，发现两个缺点，1 效率不高，计算速度较慢 。2 对分类结果提高不大，有可能还降低准确度。所以考虑另外一种随机方法对样本进行有效的随机排序。

在参考了excel的rand（）函数排序方法之后，在Python上为每一条样本产生一个随机数，然后在根据此随机数对整个样本集进行降序或升序排序，这样的操作之后，分类准确度确实提高了不少，再次验证了样本集要随机化这一原则。

具体的参考代码如下：

#首先是随机数组产生器
rand = np.random.rand(array.size)

#然后是为每条样本添加一个随机数，也就是添加一个随机属性列，用到的是AddLabels函数  例如：AddLabels(outputfilename,rand.T,'rand')
def AddLabels(inputfile,labelArray,labelName):
    csv_input = pd.read_csv(inputfile,error_bad_lines=False, skip_blank_lines=True ) 
    try:
        csv_input[labelName] = labelArray
    except Exception ,e:
        print Exception,":" ,e
    finally:
        csv_input.to_csv(inputfile, index = False, index_label = labelName, mode = 'wb+')

#然后是根据随机数对样本进行排序,其中csv_input是一个DataFrame
csv_input.sort_values(by='rand',axis = 0,inplace = True )