使用 kfold 交叉验证进行深度学习

Question

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。 我想使用 5 折 50 epochs 和 64 的批量大小我在 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 中使用批量大小和纪元来实现这一点。 任何的想法？

Answer 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))