blocks|key|897442|text|不，一切都是正确的。这种分离背后的一个潜在原因是，有时人们分别拥有培训和验证数据(在许多学术数据集中)，有时您拥有所有的数据，并且可以任意地将其分割。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|897443|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|D|8|@]|9|@]|A|$]]|$1|B|3|-4|5|6|7|E|8|@]|9|@]|A|$]]]|C|$]]

No, everything is correct. One potential reason behind this separation is that sometimes people have training and validation data separately (in many academic datasets) and sometimes you have all the data and can split it anyway you want.

blocks|key|897458|text|你的理解是正确的。要添加更多细节，validation_split+keras函数使用户可以轻松地将培训数据集拆分为训练和验证(保存您的自定义工作)。|type|unstyled|depth|inlineStyleRanges|offset|length|style|BOLD|entityRanges|data|897459|例如，设置validation_split=0.2，告诉keras在洗牌之前使用最后20%25的数据进行验证。|897460|entityMap^0|H|G|0|5|K|0^^$0|@$1|2|3|4|5|6|7|J|8|@$9|K|A|L|B|C]]|D|@]|E|$]]|$1|F|3|G|5|6|7|M|8|@$9|N|A|O|B|C]]|D|@]|E|$]]|$1|H|3|-4|5|6|7|P|8|@]|D|@]|E|$]]]|I|$]]

Your understanding is correct. To add more details - 
validation_split keras function makes easy for the user to split the training dataset into train and validation (saving your custom efforts). 

For example - setting validation_split=0.2, tells keras to use last 20% of the data before shuffling for validation.

blocks|key|897462|text|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，你会做你自己的validation_data，所以你保持这些百分比。此外，我建议StratifiedShuffleSplit这样做。|type|unstyled|depth|inlineStyleRanges|offset|length|style|BOLD|entityRanges|data|897463|entityMap|0|LINK|mutability|MUTABLE|url|https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.StratifiedShuffleSplit.html#sklearn.model_selection.StratifiedShuffleSplit^0|Q|G|1S|F|2P|M|0|0^^$0|@$1|2|3|4|5|6|7|N|8|@$9|O|A|P|B|C]|$9|Q|A|R|B|C]]|D|@$9|S|A|T|1|U]]|E|$]]|$1|F|3|-4|5|6|7|V|8|@]|D|@]|E|$]]]|G|$H|$5|I|J|K|E|$L|M]]]]

I will just add something important when dealing with unbalanced datasets. Using validation_split does not preserve the percentage of each class. Often, you will do your own validation_data so you keep those percentages.
Moreover, I would recommend <a href="https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.StratifiedShuffleSplit.html#sklearn.model_selection.StratifiedShuffleSplit" rel="nofollow noreferrer">StratifiedShuffleSplit</a> to do so.

blocks|key|897455|text|如果您使用validation_data选项，您需要准备验证数据和单独训练数据，这将需要更多的精力来完成。之后，validation_split选项允许您只输入大量数据并将其拆分到内部。不知何故，最好是节省时间。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|897456|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|D|8|@]|9|@]|A|$]]|$1|B|3|-4|5|6|7|E|8|@]|9|@]|A|$]]]|C|$]]

If you use validation_data option, you need to prepare the validataion data and train data seperately, which would take more energy to do. Afterwards, the validation_split option allows you to merely input whole bunch of data and split it inside. Somehow, it is better to save time.

blocks|key|897481|text|你说得对，但这里有个小错误，|type|unstyled|depth|inlineStyleRanges|entityRanges|data|897482|“嘿，给我所有的输入数据--我会处理测试和验证之间的分割”|897483|应：|897484|“嘿，给我所有的输入数据--我会处理train和validation之间的分割问题”|offset|length|style|BOLD|897485|因为它实际上将数据集分为两部分：训练数据集和验证数据集。|897486|最后，使用测试集来计算模型的得分。|897487|entityMap^0|0|0|0|I|5|O|A|0|G|5|M|5|0|0^^$0|@$1|2|3|4|5|6|7|R|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|S|8|@]|9|@]|A|$]]|$1|D|3|E|5|6|7|T|8|@]|9|@]|A|$]]|$1|F|3|G|5|6|7|U|8|@$H|V|I|W|J|K]|$H|X|I|Y|J|K]]|9|@]|A|$]]|$1|L|3|M|5|6|7|Z|8|@$H|10|I|11|J|K]|$H|12|I|13|J|K]]|9|@]|A|$]]|$1|N|3|O|5|6|7|14|8|@]|9|@]|A|$]]|$1|P|3|-4|5|6|7|15|8|@]|9|@]|A|$]]]|Q|$]]

You're correct, but there's a minor mistake here,
&quot;hey give me all the input data – I will take care of splitting between test and validation&quot;
should be:
&quot;hey give me all the input data – I will take care of splitting between train and validation&quot;
Because it actually splits your dataset into two parts; Train dataset and Validation dataset.
And in the end, you use your test set to calculate the score of your model.

<code>validation_split</code> says: "hey give me all the input data – I will take care of splitting between test and validation".

<pre><code>model.fit(inputX, inputY, validation_split=0.20, epochs=10, batch_size=10)
</code></pre>

<code>validation_data</code> says "please give me explicitly the validation data"

<pre><code>model.fit(inputX, inputY, validation_data=(testX,testY), epochs=10, batch_size=10)
</code></pre>

Is there any hidden trick or something I am missing apart from my understanding?

What is the relation between validation_data and validation_split in Keras' fit function?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

validation_split说：“嘿，给我所有的输入数据--我会处理测试和验证之间的分割”。model.fit(inputX, inputY, validation_split=0.20, epochs=10, batch_size=10)validation_data说“请给我明确的验证数据”model.fit(inputX, inputY, validation_data=(testX,t

问在Keras的拟合函数中，validation_data和validation_split之间的关系是什么？
EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问在Keras的拟合函数中，validation_data和validation_split之间的关系是什么？EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问在Keras的拟合函数中，validation_data和validation_split之间的关系是什么？
EN