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：

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。