使用 kfold 交叉验证进行深度学习答案

【问题标题】：deep learning with kfold cross validation使用 kfold 交叉验证进行深度学习
【发布时间】：2020-02-24 14:52:34
【问题描述】：

我是神经网络的新手，我想使用 K 折交叉验证来训练我的神经网络。我想用5折 50 个时代批量大小为 64 我在 scikit 中找到了一个用于 k 折交叉验证的函数

model_selection.cross_val_score(model_kfold, x_train, y_train, cv=5)

我没有交叉验证的代码是

history = alexNet_model.fit(x_train, y_train, batch_size=batch_size, epochs=epochs, verbose=1,validation_data=(x_validation, y_validation))

我不知道如何使用 keras 和 scikit 在 python 中通过批量大小和时期来实现这一点。有什么想法吗？

【问题讨论】：

标签： python scikit-learn neural-network training-data

【解决方案1】：

确保在验证模型时使用测试数据，而不是相同的训练数据。使用训练数据进行验证会使您的结果产生偏差。

在您的示例中，我将使用 KerasClassifier 模块而不是 numpy KFolds 模块。

from keras.wrappers.scikit_learn import KerasClassifier

导入模块后，您的代码将是（带有结果输出：

evaluator=KerasClassifier(build_fn=baseline_model, epochs=50, batch_size=64)
kfold=KFold(n_splits=5, shuffle=True, random_state=random_seed)

results=cross_val_score(evaluator, x_test, onehot_y_test, cv=kfold)
print("Model: %.2f%% (%.2F%%)" % (results.mean()*100, results.std()*100))

【讨论】：