python - 如何在 `evaluate` 之后使用 `fit` 和 `validation_split` 参数?

标签 python keras neural-network

我正在使用 Keras 执行一些 ANN 训练。 在某些时候,我在 Sequential 上使用 model.fit()模型,我使用 validation_split 参数,例如:

model.fit(..., validation_split=0.3)

然后,我想对 validation_split 生成的验证数据使用 model.evaluate()。 有办法这样做吗?或者我是否必须忘记 validation_split手动执行拆分并同样进行验证?

最佳答案

忘记validation_split,使用sklearn执行分割。

from sklearn.model_selection import train_test_split


X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.33, random_state=42)
model.fit(X_train, y_train, validation_data=[X_val, y_val])

关于python - 如何在 `evaluate` 之后使用 `fit` 和 `validation_split` 参数?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57205749/

相关文章:

tensorflow - 检查tensorflow keras模型中的下一层

scala - 为什么我不能显示 Spark MultilayerPerceptronClassifier 的预测列?

machine-learning - 训练中神经网络权重溢出

python - 从 Python 中的响应中读取特定的 JSON 对象

python - 有没有办法使用 python 库 FMPy 或 pyFMI 列出 FMU(或 FMU 中的子模型)的参数?

Python:用括号比较和替换列表[i]

python - 如何正确优化 Actor 和评论家之间的共享网络?

Notepad++ 的 Python 正确性(即 lint)分析

python - 带有 TF 后端的 Keras 指标与 tensorflow 指标

tensorflow - Keras 后端中的逻辑 AND/OR