2017-10-13 35 views
0

我正在使用keras來訓練迴歸模型。我的代碼如下所示:如何在keras中的每個時期後查看驗證錯誤

estimators = [] 
estimators.append(('standardize', StandardScaler())) 
estimators.append(('mlp', KerasRegressor(build_fn=baseline_model, epochs=100, batch_size=32, verbose=2))) 
pipeline = Pipeline(estimators) 
X_train, X_test, y_train, y_test = train_test_split(X, Y, 
                train_size=0.75, test_size=0.25) 
pipeline.fit(X_train, y_train) 

的問題是,它顯着地過度擬合。如何在每個紀元後看到 驗證錯誤?

回答

2

可以發送到parameters配合KerasRegressor方法:

validation_split:浮子(0 < X < 1)。用作 保留驗證數據的數據分數。 validation_data:元組(x_val,y_val)或 元組(x_val,y_val,val_sample_weights)用作保持輸出 驗證數據。將覆蓋validation_split。

** fit_params:

經由管道 fit method

串的字典 - >傳遞到每個步驟,其中,每個參數名稱的前綴,使得 參數p爲步驟S的擬合方法對象參數有關鍵s__p。

例子:

pipeline.fit(X_train, y_train, mlp__validation_split=0.3) 
+0

非常感謝你。我會問一個關於過度配合問題的不同問題。 – eleanora

相關問題