我使用keras建立神经网络以进行推荐。我使用训练数据的许多功能来适应模型。然后我需要使用测试数据来评估它。通常，在使用测试数据测试推荐系统时，将使用更少的数据。所以我的问题是keras模型evaluate()和fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1,
callbacks=[], validation_split=0.0, validation_data=None,
shuffle=True, class_weight=None, sample_weight=None)
evaluate(self, x, y, batch_size=32, verbose=1, sample_weight=None)
的输入格式是否应该严格一致？具体做法是：
model.fit()您x何时将许多要素和信息放入输入model.evaluate()以训练神经网络。当model.fit()与推荐系统中的MF一样时，测试数据只有较少的信息。那么model.evaluate()和jsp的输入应该是相同的格式吗？
我将很感激一个简单的例子。
答案 0 :(得分：0)
是的，一般来说，x，fit和evaluate的{{1}}必须采用相同的格式，predict y和fit。
我一定是这样的。如果您的模型经过培训，可以使用训练数据中的某些特征来确定输出，但是后期评估预测时不会出现相同的特征，那么您的模型可能会如何工作？
如果您有某些输入功能在训练期间以某种方式使用但未在评估预测期间使用，则仍需要将数据调整为相同的格式;您可以根据需要使用零填充输入，或者使用multi-input model将输入拆分为不同的部分，并根据需要为缺失的输入提供默认值。