Python 机器学习算法中的示例顺序（Scikit学习）

我正在使用Python和scikit学习进行一些分类。我有一个文档中似乎没有涉及的问题：例如，如果我使用SVM进行分类，输入示例的顺序是否重要？如果我有二进制标签，如果我将标签为0的所有示例和标签为1的所有示例放在一起，结果是否会不准确，或者将它们混合在一起会更好？scikit提供的其他算法如何？

不，训练集中模式的顺序无关紧要。虽然样本的顺序会影响随机梯度下降学习算法（例如NN的算法），但在大多数情况下，它们的编码方式确保了内部随机性。另一方面，SVM是全局收敛的，无论排序如何，它都会得到完全相同的解。

不，训练集中模式的排序并不重要。虽然样本的顺序会影响随机梯度下降学习算法（例如NN的算法），但在大多数情况下，它们的编码方式确保了内部随机性。另一方面，SVM是全局收敛的，无论排序如何，它都会得到完全相同的解。

不，训练集中模式的排序并不重要。虽然样本的顺序会影响随机梯度下降学习算法（例如NN的算法），但在大多数情况下，它们的编码方式确保了内部随机性。另一方面，SVM是全局收敛的，无论排序如何，它都会得到完全相同的解。

不，训练集中模式的排序并不重要。虽然样本的顺序会影响随机梯度下降学习算法（例如NN的算法），但在大多数情况下，它们的编码方式确保了内部随机性。另一方面，SVM是全局收敛的，无论排序如何，它都会产生完全相同的解决方案。

是否要对时间模式进行分类？是否要对时间模式进行分类？是否要对时间模式进行分类？是否要对时间模式进行分类？