Um Daten in drei verschiedene Teilmengen in Python mit NumPy (np) aufzuteilen, kannst du die Indizes der Daten manuell aufteilen, ohne die Funktion `shuffle` zu verwenden. Hier ist ein Beispiel, wie du das machen kannst: ```python import numpy as np # Beispiel-Daten data = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) # Bestimme die Größe der Teilmengen total_size = len(data) train_size = int(0.6 * total_size) # 60% für Training val_size = int(0.2 * total_size) # 20% für Validierung test_size = total_size - train_size - val_size # 20% für Test # Aufteilen der Daten train_data = data[:train_size] val_data = data[train_size:train_size + val_size] test_data = data[train_size + val_size:] print("Trainingsdaten:", train_data) print("Validierungsdaten:", val_data) print("Testdaten:", test_data) ``` In diesem Beispiel werden die Daten in drei Teilmengen aufgeteilt: 60% für das Training, 20% für die Validierung und 20% für den Test. Du kannst die Prozentsätze nach Bedarf anpassen.