Python 回归:训练测试分离-保持测试?
我将数据分成训练样本和测试样本(70/30),用于基于回归预测的问题(MLP、LSTM等) 在守则内:Python 回归:训练测试分离-保持测试?,python,tensorflow,train-test-split,Python,Tensorflow,Train Test Split,我将数据分成训练样本和测试样本(70/30),用于基于回归预测的问题(MLP、LSTM等) 在守则内: history = model.fit(X_train, y_train, epochs=100, batch_size=32, validation_data=(X_test, y_test), verbose=0, shuffle=False) 我把我的测试数据作为验证集,做了几周的预测。所以我没有隐瞒测试数据 但是现在我想起来了,我想把测试数据
history = model.fit(X_train, y_train, epochs=100, batch_size=32,
validation_data=(X_test, y_test), verbose=0, shuffle=False)
我把我的测试数据作为验证集,做了几周的预测。所以我没有隐瞒测试数据
但是现在我想起来了,我想把测试数据放到fit函数中是错误的,还是可以呢?从来没有!将您的测试作为培训或验证的一部分。测试集只能用于培训后的推理。因此,是的,在拟合函数中使用测试数据是错误的,它应该只在
模型中。预测(y\u测试)
永远不要!将您的测试作为培训或验证的一部分。测试集只能用于培训后的推理。所以,是的,在拟合函数中使用测试数据是错误的,它应该只在模型中。预测(y_test)
是的,有意义:(谢谢你,我会重新开始!如果你对答案满意,请向上投票,这有助于洛蒂改变它,使我将数据分为序列(340个样本)、Val(145)和test(54)。拟合曲线看起来不错,我的googd mape分数为4%,但我的r-平方为负。如果我不使用val数据并立即测试它(用于我的论文),也可以吗?是的,很有意义:(谢谢,我会重新开始!如果你对答案满意,请向上投票,这有助于洛蒂将其更改,以便我将数据拆分为序列。)(340个样本)、Val(145)和Test(54)。拟合曲线看起来不错,我的googd mape分数为4%,但我的r平方为负。如果我不使用Val数据并立即进行测试(用于我的论文),也可以吗?理论上,您应该再次将训练数据拆分为训练集和验证集。然后,测试集只能使用一次。我的数据中有539行。我将保留10%的测试数据(最后53行)。然后,我将以70/30的比例将剩余数据拆分为一个测试和一个训练数据集。理论上,您应该再次将训练数据拆分为训练集和验证集。然后,测试集只能使用一次。我的数据中有539行。我将保留10%的测试数据(最后53行)。然后,我将以70/30的比率将剩余数据拆分为测试数据集和列车数据集。