在Theano中加載和處理數據集通常需要使用NumPy庫來處理數據。以下是一個簡單的示例：
import numpy as np
# 加載數據集
data = np.loadtxt('data.txt')
# 處理數據集
X = data[:, :2] # 獲取特征數據
y = data[:, 2] # 獲取標簽數據
# 對數據進行標準化處理
X = (X - np.mean(X, axis=0)) / np.std(X, axis=0)
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
import theano
import theano.tensor as T
# 定義Theano變量
X_theano = theano.shared(X_train)
y_theano = T.vector('y')
# 定義模型
W = theano.shared(np.random.randn(X_train.shape[1]))
b = theano.shared(0.)
# 定義損失函數
cost = T.mean(T.square(X_theano.dot(W) + b - y_theano))
# 定義梯度下降更新規則
alpha = 0.01
updates = [(W, W - alpha * T.grad(cost, W)),
(b, b - alpha * T.grad(cost, b))]
# 編譯Theano函數
train_model = theano.function(inputs=[], outputs=cost, updates=updates)
通過以上步驟，您可以加載和處理數據集，并在Theano中使用它們進行模型訓練。
