测试集的问题

[barryhunt]

model.fit(trainInputs, array(trainOutputs).astype(int), batch_size=32, epochs=1000,shuffle=True,validation_data=(testInputs, array(testOutputs).astype(int)),callbacks=[reduce_lr,acc_stop])
测试数据同时作为验证集，会导致测试准确率比实际高出很多，这里会有一些问题存在

[timmmGZ]

model.fit(trainInputs, array(trainOutputs).astype(int), batch_size=32, epochs=1000,shuffle=True,validation_data=(testInputs, array(testOutputs).astype(int)),callbacks=[reduce_lr,acc_stop]) 测试数据同时作为验证集，会导致测试准确率比实际高出很多，这里会有一些问题存在

并不会，验证集本身用作评估模型而不会影响模型训练，它不参与权值更新。间接的影响可以通过根据验证集的loss或者acc的变动来调整超参数如learning rate（脚本里的ReduceLROnPlateau()是个例子），但影响微弱（相对于众多任务）。其实你稍微删除了fit里面的验证集就知道结果了，此小型任务拿测试集来做验证集仅仅为了监控训练时的test acc从而方便研究其中规律。
或者你换个方式，删了验证集，写个loop，然后每一个epoch都model.predict(testInputs)一次。这是我最开始的做法，那时50%spilt率的测试集准确率一样90+，只不过loop写法麻烦点。