遍历您的 DataSetIterator 对每一个 DataSet 输入，创建两个新的 DataSets ，分别用于列车和试验。
关键是使用splittestandtrain方法，它接受 double fractionTrain 这将指定要训练的数据量（其余的要测试）。方法有不同的重载，所以您可以选择最适合您需要的重载。如果您希望将所有的train和test数据集添加到一个公共迭代器中，可以将它们存储在两个不同的列表中，稍后再获取它们相应的迭代器。比如：

List<DataSet> trainList = new ArrayList<>();
List<DataSet> testList= new ArrayList<>();

while (yourDataSetIterator.hasNext())
{
    DataSet ds = yourDataSetIterator.next();
    SplitTestAndTrain splData = ds.splitTestAndTrain(0.5); //half for each         
    DataSet trainDs = splData.getTrain();
    trainList.add(trainDs);
    DataSet testDs  = splData.getTest();
    testList.add(testDs);
    (...)
}

Iterator<DataSet> trainIterator = trainList.iterator(); 
Iterator<DataSet> testIterator  = testList.iterator();

因为我不太了解这个库的具体细节，所以这个示例只创建了“basic” iterators . 这可能是定制的，因此您可以创建 DataSetIterators 相反。
请注意，您可能还需要在拆分数据集之前对其进行洗牌( ds.shuffle() ). 你可以在这里找到一些例子
如果您希望以特定的方式拆分它，您可以标记不同的条目并找到测试数据集的最大索引；然后，打电话 splitTestAndTrain(int max) 方法，该方法具体拆分有关max参数的数据集。这个 sortByLabel 方法在这里也很有用。 Adam Gibson 对其他机制的意见提出了很好的建议，以期分裂市场 DataSetIterator ，这似乎也是一种“更自然”的方式 DataSetIteratorSplitter .
它提供了 getTrainIterator() 以及 getTestIterator() 方法返回库的特定迭代器， DataSetIterator .