我们将使用 scikit-learn 来使用分层 k 折交叉验证来评估模型。这是一种重采样技术,可以提供模型表现的估计。它通过将数据分成 k 部分来实现这一点,在所有部分上训练模型,除了作为测试集的一部分以评估模型的表现。该过程重复 k 次,并且所有构建的模型的平均分数被用作表现的稳健估计。它是分层的,这意味着它将查看输出值并尝试平衡属于数据 k 分裂中每个类的实例数。
我们将使用 scikit-learn 来使用分层 k 折交叉验证来评估模型,这是一种重采样技术,可以提供模型性能的估计。它通过将数据集分成 k 个部分来实现这一点,除了作为测试集的一部分用以评估模型的性能外,在其他所有训练数据上训练模型,该过程重复 k 次,并且所有构建的模型的平均分数被用作模型性能的稳健估计,因为它是分层的设计,这意味着它将查看输出值并尝试平衡属于数据 k 分裂中每个类的实例数。
要将 Keras 模型与 scikit-learn 一起使用,我们必须使用 KerasClassifier 包装器。该类采用创建并返回神经网络模型的函数。它还会将参数传递给 fit()调用,例如迭代数和批量大小。
要将 Keras 模型与 scikit-learn 一起使用,我们必须使用 KerasClassifier封装器。该类采用创建并返回神经网络模型的函数,将参数传递给 `fit()`调用,例如迭代数和批量大小。