在机器学习领域中，经常会听到“shuffling"这个术语。那么，shuffling到底是什么意思呢。
通常，shuffling指的是在SGD怎样依赖训练数据输入顺序的算法中，将训练数据随机打乱，达到让SGD这样的算法得到与Batch算法类似结果的方法。
如上图所示，如果训练数据按1，2，3，...，10，11的顺序输入，采用sgd训练，得到的模型可能一开始是绿线，然后转为红线。而batch算法得到的模型是在红绿之间的一条直线。
那么，是不是所有的算法shuffling都是有效的呢？答案是否定的。
1. 对于batch算法，shuffling无效
2. 对于online算法，有时候我们就是想捕捉趋势的变化，这是，shuffling就是反向效果了。