如何解决如何在 DNN 中设置validation_set?
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~~
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。