是否有keras方法来分割数据？

Question

我认为标题是自我解释的但是要详细询问，那里的sklearn方法train_test_split()的工作原理如下：X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.3, stratify = Y)这意味着：该方法将分割数据比例为0.3：0.7，并试图使两个数据中的标签百分比相等。是否有与之相当的keras？

Answer 1

不幸的是，答案（尽管我们愿意）为否！有一些现有的数据集，例如MNIST等，可以直接加载：

(X_train, y_train), (X_test, y_test) = mnist.load_data()

这种以拆分方式进行的直接加载使人们不希望拥有一种通用方法，但是不幸的是，这里没有这种方法，尽管您可能会对使用wrappers for SciKit-Learn on Keras感兴趣。

DataScience SE上几乎有similar question

Answer 2

现在正在使用keras Dataset类。我正在运行keras-2.2.4-tf和新的tensorflow版本。

基本上，使用tf.data.Dataset.from_tensor_slices之类的东西将所有数据加载到数据集中。然后将数据分成新的数据集进行训练和验证。例如，对数据集中的所有记录进行混洗。然后使用除前400个以外的所有内容作为训练，并使用前400个作为验证。

ds = ds_in.shuffle(buffer_size=rec_count)
ds_train = ds.skip(400)
ds_validate = ds.take(400)

Dataset类的实例是为Keras模型传递的自然容器。我从tensorflow或keras训练示例中复制了这个概念，但似乎再也找不到了。

使用load_data方法的固定数据集会创建numpy.ndarray类，因此它们有些不同，但可以轻松转换为keras数据集。我怀疑这还没有完成，因为很多现有代码都会中断。