如何在带有GridSearchCV的keras模型的超参数优化中使用简单的验证集？

Question

我正在尝试对大型数据集执行超参数优化。而且我想避免使用交叉验证cv来加快优化速度。这就是为什么我要使用来自训练数据集的验证集= 0.2的验证集。]

   grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1, cv=3)
   grid_result = grid.fit(X_train, y_train)
我应该如何修改上面的GridSearchCV（）参数以使用带有validation_split=0.2的验证数据集，而忽略交叉验证来执行超参数优化？

我正在尝试对大型数据集执行超参数优化。而且我想避免使用交叉验证cv来加快优化速度。这就是为什么我要使用带有...

Answer 1

使用PredefinedSplit，您可以对hyperparam opt使用相同的验证集。 -1标识您的火车数据，而0标识您的有效数据