Python 在训练神经网络模型时，验证和分割是如何工作的？

''模型拟合（X_序列，y_序列，验证数据=（X_测试，y_测试），年代=10，详细=2''

在上面的代码行中，模型是一个具有层的顺序keras模型，并且是编译的。 参数validaiton_data的用途是什么。该模型将在X_列车和y_列车数据上进行训练。因此，基于y_序列，可以调整参数并进行反向传播。 验证数据的用途是什么？为什么在这种情况下会提供不同的数据？测试数据。

在培训期间，（x\u序列，y\u序列）数据用于调整模型的可培训参数。然而，我们不知道模型是过拟合还是欠拟合，当提供新数据时，模型是否会表现良好。所以，这就是为什么我们有验证数据（x_检验，y_检验）来测试模型在任何看不见的数据上的准确性

根据培训和验证的准确性，我们可以决定。
-模型是否过盈/过盈，
-是否收集更多数据，
-我们需要实施正则化技术吗，
-我们是否需要使用数据扩充技术，。

---

-我们是否需要调整超参数等

，这类似于从模型中获得预测值和实际值后计算精度/度量。因此，在数据集通过一次（即一个历元）后进行验证，然后给我们一个想法，如您所说，或者应该增加、减少多少历元，等等