python - Validation_data 和 Validation_split

Question

所以我有一个预测输出功率的 GRU 模型。对于训练数据，我有一个 csv 文件，其中包含 2018 年的数据，而对于我的测试数据，它是一个不同的 csv 文件，其中包含 2019 年的数据。

我只需要简短的问题。

1. 由于我使用了 2 个不同的 csv 文件，一个用于测试，一个用于训练，所以我不需要train_test_split？

2. 说到model.fit，我真的不知道Validation_data和Validation_split有什么区别，应该用哪个？

我分别测试了这 3 行，第 2 行和第 3 行给出了完全相同的结果，而第 1 行给出了更低的 val_loss。

谢谢。

history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_split=0.1, verbose=1, callbacks=[TensorBoardColabCallback(tbc)])  
history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_data=(X_test, y_test), verbose=1, callbacks=[TensorBoardColabCallback(tbc)])
history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_data=(X_test, y_test), validation_split=0.1, verbose=1, callbacks=[TensorBoardColabCallback(tbc)])

Answer 1

1. 您可以随心所欲，是的，您可以使用一个文件进行训练，一个文件进行验证。但您也可以合并它们，然后根据需要使用 train_test_split。但是，我建议您合并它们，因为您拥有不同时期的数据，可能会有差异。
2. 使用 validation_data 意味着您自己提供训练集和验证集，而使用 validation_split 意味着您只提供一个训练集，keras 将其拆分为一个训练集，然后验证集(验证集是训练集大小的 validation_split 倍)