我指的是Keras中fit方法的validation_split参数：

validation_split：0到1之间的浮点数。用于作为验证数据的训练数据的比例。模型会将这部分训练数据分离出来，不在其上进行训练，并在每个epoch结束时在这些数据上评估损失和任何模型指标。验证数据是从提供的x和y数据中的最后几个样本中选取的，在洗牌之前。

我注意到默认值是0，而不是常规的0.2或0.33。我无法理解为什么他们选择0作为默认值，因为我认为没有验证集总是会导致训练过拟合。我的这个假设错了吗？

回答：

验证集是用来检测过拟合的，没有验证集只是意味着你无法检测到过拟合。这并不意味着模型会自动过拟合。记住，验证数据完全不用于训练模型，所以如果不使用验证数据，模型的行为不可能有所不同。

话虽如此，默认没有验证集是合理的，因为最终是人类通过查看学习曲线和训练与验证损失之间的差异来检测过拟合。这个过程目前无法自动化，因此人类必须决定验证分割的值，或者直接在validation_data参数中提供验证数据。