如何在 keras 成功训练测试拆分以训练 model

Question

我对 keras 很陌生，所以我一直在努力弄清楚我应该如何训练 - 测试拆分我的数据。

所以我的计划是做情绪分析，这是我的数据：

df1
Columns: Sentence , Emotion, BackendSum
         bla1...    0-6      tensor(float32)
         bla2...    0-6      tensor(float32)

其中情绪 0-6 是我将其转换为数字的情绪（恐惧、愤怒等）

我有另一个包含文本和后端总和的数据集，我想对它的情绪进行分类：

df2
Columns: Sentence, BackendSum
         fla1...   tensor(float32)
         fla2...   tensor(float32)

inputs = keras.Input(shape=(300,))
x = layers.Dense(100, activation="relu", name="dense_1")(inputs)
x = layers.Dense(200, activation="relu", name="dense_2")(x)
outputs = layers.Dense(6, activation="sigmoid", name="predictions")(x)
model = keras.Model(inputs=inputs, outputs=outputs)




model.fit(xtrain, ytrain,
         validation_data=(xtest,ytest),
         epochs = 200,
         batch_size=50)

安装我的 model 的正确方法是什么？ 并拆分我的数据，以便我可以在 df1 上进行训练并在 df2 上进行测试

Answer 1

您可以使用 sklearn。

  x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(x, y, test_size=0.1)

x 是特征的 2d ndarray，y 是标签的 2d ndarray，test_size 是要拆分的数据的大小百分比（0.1 = 10%）。