Python 3.x 使用Keras DataGenerator在拆分之前洗牌训练数据

我的模型显然是过度拟合了，我到处都看到我应该在分割数据之前尝试对数据进行洗牌。我使用：

---

现在就开始进行数据处理和拆分，并了解到shuffle=True实际上并没有做我认为它做的事情（或者可能做任何事情）。所以我的问题是我应该如何加载和分割这些数据？我在train文件夹中有图像文件，然后我有一个.csv文件，其中一列中有文件名，另一列中有标签。这是我第一次尝试任何机器学习内容，如果这是一个愚蠢的问题，我很抱歉。

如果我正确理解了您的代码，您将加载

dataframe=df

作为培训/验证集的输入，并加载测试集的

dataframe=test\u df

shuffle=True

将在指定的数据帧内洗牌加载的样本

因此，如果您从不同的源加载，则在拆分后将进行洗牌

要在拆分之前进行洗牌，您需要

• 在加载或删除之前，在目录之间移动图像

• 使用ImageDataGenerator（shuffle=True）加载它，使用数组操作拆分它，并手动设置测试集或

• 完全删除文件的不同目录，将.csv作为数据帧加载，然后使用这些部分数据帧作为ImageDataGenerator的输入

---

就我个人而言，我会选择最后一个选项。

我知道这是您现在的问题，但您可能想看看是否存在过度装修的问题。