我在制作和评估Keras机器学习模型时，对数据集的拆分有些困惑。假设我有一个包含1000行的数据集。
features = df.iloc[:,:-1]results = df.iloc[:,-1]现在我想将这些数据拆分为训练和测试集（33%的数据用于测试，67%用于训练）：
x_train, X_test, y_train, y_test = train_test_split(features, results, test_size=0.33)我在网上读到，数据拟合到模型中应该这样做：
history = model.fit(features, results, validation_split = 0.2, epochs = 10, batch_size=50)所以我将全部数据（features和results）拟合到我的模型中，并从这些数据中使用20%的数据进行验证：validation_split = 0.2。因此，我的模型将使用80%的数据进行训练，并在20%的数据上进行测试。
所以，当我需要评估模型时，困惑就开始了：
score = model.evaluate(x_test, y_test, batch_size=50)这是正确的吗？我是说，为什么我要将数据拆分为训练和测试集，x_train和y_train去哪儿了？
你能解释一下创建模型的正确步骤顺序吗？
回答：
一般来说，在训练时间（model.fit），你有两个数据集：一个是用于训练的数据集，另一个是用于验证/调优/开发的数据集。使用训练集来训练模型，使用验证集来找到最佳的超参数设置。当你完成这些后，你可以用未见过的数据集来测试你的模型 – 这是一个完全对模型隐藏的数据集，与训练或验证集不同。
现在，当你使用
X_train, X_test, y_train, y_test = train_test_split(features, results, test_size=0.33)通过这样做，你将features和results拆分为33%的数据用于测试，67%用于训练。现在，你可以做两件事
- 在
model.fit(...)中使用X_test和y_test作为验证集。或者， - 在
model.predict(...)中使用它们进行最终预测
所以，如果你选择这些测试集作为验证集（选项1），你将按以下方式操作：
model.fit(x=X_train, y=y_trian, validation_data = (X_test, y_test), ...)在训练日志中，你将得到验证结果以及训练得分。如果你稍后计算model.evaluate(X_test, y_test)，验证结果应该是一样的。
现在，如果你选择这些测试集作为最终预测或最终评估集（选项2），那么你需要重新创建验证集或使用validation_split参数如下所示：
model.fit(x=X_train, y=y_trian, validation_split = 0.2, ...)Keras API将从训练数据（X_train和y_train）中取.2的百分比，并将其用于验证。最后，对于模型的最终评估，你可以按以下方式操作：
y_pred = model.predict(x_test, batch_size=50)现在，你可以使用一些相关指标来比较y_test和y_pred。
