深度学习与西储大学轴承数据集（三）

接着上一节所说的，这一节主要还是分享有关数据集的分割组合。目前，我们已经明确了自己的目的，有以下几个：

1. 进行10分类；

2. 时域、频域、时频都要有条件实现；

3. 样本大小设定为2048个点；

4. 使用滑窗取值法，训练集、验证集、测试集的比例为7:1.5:1.5.

话不多说，先上一段代码（这段代码是我从别处参考的，有点找不到具体出处了），这段代码用来进行滑窗取值，返回值是序列的起始和结束位置。

def slide_window(rows, sw_width, sw_steps): #rows是序列长度，sw_width是样本长度，sw_steps是滑动步长
    start = 0
    s_num = (rows - sw_width) // sw_steps  # 计算滑动次数
    new_rows = sw_width + (sw_steps * s_num)  # 完整窗口包含的行数，丢弃少于窗口宽度的采样数据；
    while True:
        if (start + sw_width) > new_rows:  # 如果窗口结束索引超出最大索引，结束截取；
            return
        yield start, start + sw_width
        start += sw_steps

接下来要完成3个步骤，按照2048的样本大小分块、随机打乱顺序和划分训练集、验证集、测试集。

我个人的理解，如果先划分训练集、验证集、测试集，