如何在validation_split之后创建一个新的数据框？答案

【问题标题】：How to create a new dataframe after the validation_split?如何在validation_split之后创建一个新的数据框？
【发布时间】：2019-05-30 08:33:34
【问题描述】：

在训练 Keras 模型并在 fit() 函数中使用 validation_split=0.2 后，我们如何将 20% 的旧数据帧转换为新数据帧进行测试？

#train model
model.fit(train_X, train_y, validation_split=0.2, epochs=30, callbacks=[early_stopping_monitor])

【问题讨论】：

标签： python pandas dataframe machine-learning keras

【解决方案1】：

实际上，当您将validation_split 参数设置为x 时，最后一个x 百分比的训练样本被视为验证数据。因此，如果您想获得在训练期间使用的相同验证数据，您可以像这样对数据框进行切片：

idx = int(len(train_X) * 0.2)  # 0.2 is the value of validation split
# if train_X and train_y are numpy arrays
val_X = train_X[idx:]   
val_y = train_y[idx:]

# if train_X and train_y are pandas dataframes
val_X = train_X.iloc[idx:]
val_y = train_y.iloc[idx:]

【讨论】：

你能解释一下 iloc 是什么并给出一个 0.2 或 20% 的实际替换吗？
@Justin 用于通过基于整数的位置索引访问 pandas 数据帧的元素。我已经更新了我的答案以考虑 numpy 数组以及明确添加验证拆分值。