### 使用纯 Python 实现音频数据集的划分 以下是基于纯 Python 的实现方法，无需依赖 `sklearn` 库即可完成将音频数据集按照 8:1:1 的比例划分为训练集、验证集和测试集的任务。 ```python import random def split_dataset(data, train_ratio=0.8, val_ratio=0.1, test_ratio=0.1, seed=None): """ 将数据集按指定比例划分为训练集、验证集和测试集。 参数: data (list): 输入的数据列表。 train_ratio (float): 训练集所占比例，默认为 0.8。 val_ratio (float): 验证集所占比例，默认为 0.1。 test_ratio (float): 测试集所占比例，默认为 0.1。 seed (int): 可选参数，设置随机种子以保证结果可重复性。 返回: tuple: 包含三个列表，分别为训练集、验证集和测试集。 """ if seed is not None: random.seed(seed) total_length = len(data) indices = list(range(total_length)) random.shuffle(indices) # 打乱索引顺序 train_end = int(train_ratio * total_length) val_end = train_end + int(val_ratio * total_length) train_indices = indices[:train_end] val_indices = indices[train_end:val_end] test_indices = indices[val_end:] train_set = [data[i] for i in train_indices] val_set = [data[i] for i in val_indices] test_set = [data[i] for i in test_indices] return train_set, val_set, test_set # 示例：假设我们有一个包含音频文件路径的列表 audio_data = ["file_{}.wav".format(i) for i in range(1, 101)] # 创建一个模拟的音频数据集 # 调用函数进行数据集划分 train_set, val_set, test_set = split_dataset(audio_data, train_ratio=0.8, val_ratio=0.1, test_ratio=0.1, seed=42) # 输出划分结果 print(f"Train Set Size: {len(train_set)}, Example: {train_set[:5]}") print(f"Validation Set Size: {len(val_set)}, Example: {val_set}") print(f"Test Set Size: {len(test_set)}, Example: {test_set}") ``` 此代码通过手动打乱数据并分配到不同的集合中实现了数据集的划分。这种方法适用于任何类型的数据集，包括音频数据集[^1]。 #### 关键点解释： - **随机化**: 使用 `random.shuffle()` 方法对数据索引进行了随机化处理，从而确保每次运行的结果具有一定的随机性。 - **固定种子**: 设置了 `seed` 参数以便于调试和重现实验结果。 - **灵活性**: 用户可以通过调整输入参数来自定义不同比例的数据划分方案。 ---