在确定我的模型的架构后，我决定通过在 validation_split = 0 中设置 fit() 在整个数据集上训练模型。我认为这会改善基于这些来源的结果：
What is validation data used for in a Keras Sequential model?
Your model doesn't "see" your validation set and isn´t in any way trained on it
https://machinelearningmastery.com/train-final-machine-learning-model/
What about the cross-validation models or the train-test datasets?
They’ve been discarded. They are no longer needed.
They have served their purpose to help you choose a procedure to finalize.
但是，我在没有验证集的情况下得到了更糟糕的结果（与 validation_split = 0.2 相比），所有其他参数都保持不变。
对此有解释吗？或者，当排除部分训练数据（并用作验证）时，我的模型碰巧在固定的测试数据上表现更好，这只是偶然。
答案 0 :(得分：1)
嗯，这确实是一个很好的问题，涵盖了许多机器学习相关概念，特别是偏差-方差权衡
正如@CrazyBarzillian 在评论中暗示的那样，更多的数据可能会导致过度拟合，是的，我们需要有关您的数据的更多信息才能找到解决方案。但我想从更广泛的角度向您解释几点，这可能会帮助您理解为什么会发生这种情况。
说明
每当您的数据具有更多特征时，您的模型就会学习一个非常复杂的方程来求解它。简而言之，模型对于我们拥有的数据量来说太复杂了。这种情况称为高方差，会导致模型过度拟合。我们知道，当训练误差远低于测试误差时，我们面临着高方差问题。高方差问题可以通过减少特征数量（通过应用 PCA、异常值去除等），通过增加数据点的数量来解决。
有时，您的数据中的特征较少，因此模型会学习一个非常简单的方程来求解。这称为高偏差。在这种情况下，添加更多数据无济于事。在这种情况下，使用较少的数据或添加更多功能会有所帮助。
我的假设
如果您的模型在添加更多数据时表现不佳，我猜您的模型会遭受高偏差。但是要检查声明添加更多数据导致不良结果在您的情况下是否正确，您可以执行以下操作：-
如果在完成这两件事后仍然得到相同的结果，即更多的数据导致较差的结果，那么您可以确定存在高偏差，并且可以增加特征数量或减少数据。
解决方案
通过减少数据，我的意思是使用小数据但更好的数据。更好的数据意味着假设您正在做一个分类问题并且您有三个类（A、B 和 C），如果所有数据点在三个类之间平衡，则数据会更好。您的数据应该是平衡的。如果不平衡，即 A 类具有大量样本，而 B 类和 C 类只有 3-4 个样本，那么您可以应用随机采样技术来克服它。
如何制作更好的数据
结论
更多的数据总是会导致好的模型，这是一个神话。实际上，数据的数量和质量也很重要。数据应该有数量和质量。这种保持质量和数量的游戏被称为偏差-方差权衡。