这个问题非常具体，针对Python库scikit-learn。如果有更合适的地方发布这个问题，请告诉我。谢谢！
现在是问题…
我有一个基于BaseEstimator的前馈神经网络类ffnn，我用SGD来训练它。运行良好，我也可以使用GridSearchCV()并行训练它。
现在我想在ffnn.fit()函数中实现早期停止，但为此我还需要访问折叠的验证数据。一种方法是更改sklearn.grid_search.fit_grid_point()中的一行代码，原本是
clf.fit(X_train, y_train, **fit_params)改成类似于
clf.fit(X_train, y_train, X_test, y_test, **fit_params)并且也需要更改ffnn.fit()来接受这些参数。这也会影响到sklearn中的其他分类器，这是一个问题。我可以通过在fit_grid_point()中检查某种标志来避免这个问题，该标志告诉我何时以上述两种方式之一调用clf.fit()。
有人能建议一种不同的方法来实现这一点，而不需要编辑sklearn库中的任何代码吗？
或者，将X_train和y_train进一步随机分割成训练/验证集，并检查一个好的停止点，然后在所有X_train上重新训练模型，这样做对吗？
谢谢！
回答：
你可以让你的神经网络模型内部从传入的X_train和y_train中提取一个验证集，例如使用train_test_split函数。
编辑：
或者，将X_train和y_train进一步随机分割成训练/验证集，并检查一个好的停止点，然后在所有X_train上重新训练模型，这样做对吗？
是的，但这样做会很昂贵。你可以只找到停止点，然后只在用于找到停止点的验证数据上进行一次额外的传递。
