如何在 DNN 中设置validation_set？

问题描述

想用一个数据集做DNN Model，不知道要加什么开发集。

以 iris 为例，我可以用这个数据集做训练集(80&)、开发集(10%)、测试集(10%)。

我可以使用训练集和测试集来预测任何结果，但我不知道开发集的代码该写什么。

以下是我在 Jupyter 中的代码：

import pandas as pd
import numpy as np

from sklearn import datasets,preprocessing
from sklearn.model_selection import train_test_split

from keras.models import Sequential
from keras.layers import Dense,Dropout
from keras.optimizers import SGD,Adam

iris = datasets.load_iris()
df = pd.DataFrame(iris['data'],columns=iris['feature_names'])

labels = np.array(df['sepal length (cm)'])
features = df.drop('sepal length (cm)',axis=1)

trainX,testX,trainY,testY = train_test_split(features,labels,test_size=0.1,random_state=42)
trainY = trainY.reshape(-1,1)
testY = testY.reshape(-1,1)

model = Sequential()
model.add(Dense(64,input_dim=3,activation='relu'))

model.add(Dense(1))

model.compile(loss='mse',optimizer=SGD(lr=0.1),metrics=['mse','mape'])

import time
tStart = time.time()#計時開始

print("Starting training ")

dnn = model.fit(trainX,epochs=20,batch_size=30)

谁能帮帮我？谢谢~~

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）