Keras的fit函数中validation_data和validation_split有什么关系？答案

【问题标题】：What is the relation between validation_data and validation_split in Keras' fit function?Keras的fit函数中validation_data和validation_split有什么关系？
【发布时间】：2017-07-15 10:46:03
【问题描述】：

validation_split 说：“嘿，把所有的输入数据都给我——我会负责分开测试和验证”。

model.fit(inputX, inputY, validation_split=0.20, epochs=10, batch_size=10)

validation_data 说“请明确地给我验证数据”

model.fit(inputX, inputY, validation_data=(testX,testY), epochs=10, batch_size=10)

除了我的理解之外，我还有什么隐藏的技巧或遗漏的东西吗？

【问题讨论】：

标签： machine-learning tensorflow keras

【解决方案1】：

不，一切都是正确的。这种分离背后的一个潜在原因是，有时人们分别拥有训练和验证数据（在许多学术数据集中），有时您拥有所有数据并且可以随意拆分。

【讨论】：

【解决方案2】：

你的理解是正确的。要添加更多详细信息 - validation_split keras 函数使用户可以轻松地将训练数据集拆分为训练和验证（节省您的自定义工作量）。

例如 - 设置 validation_split=0.2，告诉 keras 在改组验证之前使用最后 20% 的数据。

【讨论】：

【解决方案3】：

在处理不平衡的数据集时，我将添加一些重要的内容。使用 validation_split 不会保留每个类的百分比。通常，您会自己进行validation_data，以便保留这些百分比。此外，我会推荐StratifiedShuffleSplit 这样做。

【讨论】：

您是否隶属于该网站？
嗨，刚刚看到你的评论，不，我不是。我刚刚在很多项目中使用了它。

【解决方案4】：

如果你使用validation_data选项，你需要分别准备验证数据和训练数据，这将花费更多的精力。之后，validation_split 选项允许您仅输入整组数据并将其拆分。不知何故，最好是节省时间。

【讨论】：