Kerasのfit関数のvalidation_splitパラメーターはどのように機能しますか？

Kerasシーケンシャルモデルフィット関数の検証分割は、https：//keras.io/models/sequential/に次のように文書化されています。

validation_split：0から1の間で浮動します。検証データとして使用されるトレーニングデータの割合。モデルは、トレーニングデータのこの部分を分離し、トレーニングを行わず、各エポックの終わりにこのデータの損失とモデルメトリックを評価します。検証データは、シャッフルする前に、提供されたxおよびyデータの最後のサンプルから選択されます。

最後の行に注意してください：

検証データは、シャッフルする前に、提供されたxおよびyデータの最後のサンプルから選択されます。

検証データは常に固定され、メインデータセットの下部から取得されるということですか？

メインデータセットから特定の割合のデータをランダムに選択する方法はありますか？

実際には、各エポックの後に検証セットをリサンプリングしたくないでしょう。これを行うと、データセット内のすべてのサンプルでモデルがトレーニングされるため、オーバーフィットが発生します。トレーニングプロセスの前に常にデータを分割し、その後、トレーニングのためにデータのサブセットのみを使用してアルゴリズムをトレーニングする必要があります。

設計された関数は、各エポックに対して常にデータの同じ部分でトレーニングするようにデータが分離されるようにします。そのオプションが選択されている場合、すべてのシャッフルはエポック間のトレーニングサンプル内で行われます。

ただし、一部のデータセットでは、特にデータセットがクラスに基づいて再グループ化される場合、最後のいくつかのインスタンスを取得することは役に立ちません。そうすると、クラスの分布が歪んでしまいます。したがって、データのサブセットを抽出して、トレーニングと検証のセットでバランスの取れたクラス分布を得るために、何らかのランダムな方法が必要になります。このために、私は常に次のようにsklearn関数を使用したいです

from sklearn.model_selection import train_test_split

# Split the data
x_train, x_valid, y_train, y_valid = train_test_split(data, labels, test_size=0.33, shuffle= True)

それはあなたが望むことをする素敵で使いやすい関数です。変数dataとlabelsは、最初の次元がインスタンスである標準のnumpy行列です。