Python 在同一地块上绘制培训、验证和测试集

这就是我分割数据的方式

(X, y), (X_test, y_test) = mnist.load_data()
X_train, X_val, y_train, y_val = train_test_split(X, 
                                                  y, 
                                                  test_size=0.1, 
                                                  random_state=1)

下面的代码绘制了X_train和X_val，我想添加X_test这个图

history = model.fit(
    x= X_train,
    y= y_train,
    epochs = 10,
    validation_data = (X_val, y_val),
    batch_size = 128
)

from matplotlib import pyplot as plt


plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('model loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.legend(['train', 'val'], loc='upper left')
plt.show()

是否也可以在此基础上绘制

测试损失

，以在同一绘图上获得所有三个的概览

没有

历史记录。历史记录['test\u loss']

---

您还没有计算测试损失。 首先需要使用X_检验预测一些标签，然后根据预测值和y_检验计算损失。或者，您可以使用evaluate直接执行此操作：

test_loss = model.evaluate(X_test, y_test)

您无法将它们绘制在一起，因为test_loss是在训练结束时计算一次的单个值，而不是每个历元式的验证

尽管如此，您不应该在培训中使用X_测试和y_测试，因为您已经对所有可用数据进行了培训，因此无法再进行测试

X_测试和y_测试仅用于测试模型性能的所有步骤结束时

---

验证数据用于在培训时使用“测试数据”。完成所有训练和优化后，您可以在train ad validation的组合数据集上重新训练网络，并使用生成的网络在测试数据集上测试其性能（X_测试，y_测试）

您是否尝试添加类似于

plt.plot（history.history['test_loss'）的内容)

？当我打印

历史记录时。历史记录

只有损失和价值损失，但没有测试损失。

测试损失

？@mkrieger1请现在检查，希望它清晰。如果使用

plt.plot（X\u测试），会发生什么

？我是否也可以计算模型。使用传递到模型验证集的x_测试重新拟合并绘制它？可以，但与获得val_损失时相比，权重将发生变化。无论如何，在优化结束之前，不应该使用X_测试和y_测试作为模型的度量performace@Matthew那么，你会接受这个答案吗？或者，你想要一些其他信息吗？