运行交叉验证时Keras回调

我已经读到，当您还想使用模型回调时，您不能使用Keras进行交叉验证，但后来证明这毕竟是可能的。然而，我很难把它融入到我的环境中

为了更详细地探讨这一点，我将遵循，并使用

这是一个三类分类问题，我正试图使用多层感知器（目前只有一层用于测试）。我现在的目标是在模型回调中工作，这样我就可以保存最佳模型的权重。下面，我在我的

network\u mlp

一节中尝试这样做。为了说明模型在没有回调的情况下工作，我还包括

network\u mlp\u no\u回调

您应该能够将其复制/粘贴到python会话中并运行它，没有问题。要复制我看到的错误，请取消注释最后一行

错误：

RuntimeError:无法克隆对象，因为构造函数似乎没有设置参数回调

代码：第一节读取数据；第二个是带有回调的模型，它不起作用；第三个是没有回调的模型，它可以工作（提供上下文）

---

问题：如何将模型回调合并到KerasClassifier中？

该解决方案与您引用的另一个答案非常接近，但略有不同，因为它们使用多个估计值，而您只有一个。通过将

fit_params={'callbacks'：callbacks_list}

添加到

cross_val_score

调用中，从

estimator

初始化中删除回调列表，并将

save_best_only

更改为

False

，我可以使检查点工作

所以现在

network\u mlp

中的代码小节如下所示：

checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1, save_best_only=False, mode='max')
callbacks_list = [checkpoint]
estimator = KerasClassifier(build_fn=mlp_model, epochs=epochs, batch_size=b_size, verbose=0)
kfold = KFold(n_splits=10, shuffle=True, random_state=7)
results = cross_val_score(estimator, X, Y, cv=kfold, fit_params={'callbacks': callbacks_list})

save_best_only=False

是必需的，因为您没有为神经网络设置验证拆分，因此

val_acc

不可用。如果要使用验证子拆分，例如，可以将估计器初始化更改为：

estimator = KerasClassifier(build_fn=mlp_model, epochs=epochs, batch_size=b_size, verbose=0, validation_split=.25)

祝你好运

estimator = KerasClassifier(build_fn=mlp_model, epochs=epochs, batch_size=b_size, verbose=0, validation_split=.25)