我是机器学习的初学者。起初，我的模型给我的准确度是85.82％，这是很好的。但是，现在我想再次测试模型中的所有新数据，但是我无法弄清楚要添加到代码中的内容，因为只有在使用验证数据测试模型时，我才能获得测试准确性。
以下是我的代码：
答案 0 :(得分：0)
以与创建原始测试集完全相同的方式创建新数据集。术语“精确”很重要，如果您预处理了训练和验证数据，则必须对新数据进行相同的预处理。 另一种方法是将训练数据分为3组，即训练，验证和测试。您可以按照以下方式进行火车测试拆分。
X_train, X_temp, Y_train, Y_temp = train_test_split(X, Y,train_size=.8 random_state = 1)
X_valid, X_test, Y_valid, Y_test = train_test_split(X_temp, Y_temp, train_size=.5, shuffle=False)
这将使用您的输入集，并将其中的80％用于训练，将10％用于验证，将10％用于测试。在您的代码中，您所谓的测试集实际上就是验证集，因此在进行建模时，评估与验证准确性相同。因此，现在在model.fit中，使validation_data =（X_valid，Y_valid）。现在，您的测试集独立于验证集，因此在运行模型时，评估应获得与验证精度稍有不同的准确性。