我有一组数据，想用它来训练神经网络，尽管我认为我的问题适用于任何类型的机器学习。

我的数据分为两类，但第一类的数据样本远多于第二类。在我开始用这些数据训练神经网络之前，我打算将数据分成三个独立的组（训练、验证和测试），并在每个组中，重复第一类的数据足够多次，使得每个组中两类数据的数量相等。

这样做真的很繁琐，我敢打赌其他人也遇到过同样的问题。有没有一个Python库可以帮我完成这个任务？或者至少完成其中的一部分？

tl;dr: 我想要一个Python库，能够将我的数据分成三部分，并在不丢弃数据的情况下，使每个类别的数据量平衡

回答：

是的，使用scikit-learn。以下是@KeironO在https://github.com/fchollet/keras/issues/1711上的回答的复制粘贴：

from sklearn.cross_validation import StratifiedKFolddef load_data():    # 使用此函数加载数据def create_model():    # 使用此函数创建模型def train_and_evaluate_model(model, data[train], labels[train], data[test], labels[test]):    model.fit...    # 在此处拟合和评估数据if __name__ == "__main__":    n_folds = 10    data, labels, header_info = load_data()    skf = StratifiedKFold(labels, n_folds=n_folds, shuffle=True)    for i, (train, test) in enumerate(skf):            print "运行第", i+1, "折，共", n_folds, "折"            model = None # 清除神经网络。            model = create_model()            train_and_evaluate_model(model, data[train], labels[train], data[test], labels[test])