Validation_data и Validation_split

Question

Итак, у меня есть модель GRU, которая прогнозирует выходную мощность. Для тренировочных данных у меня есть CSV-файл, который содержит данные за 2018 год, в то время как для моих данных тестирования это другой CSV-файл, который содержит данные за 2019 год.

Мне просто пришлось задавать короткие вопросы.

1. Поскольку я использую 2 разных файла CSV, один для тестирования и один для обучения, мне не нужно train_test_split?

2. Когда дело доходит до model.fit, я действительно не знаю разницу между Validation_data и Validation_split и какую мне использовать?

Я тестировал эти 3 строки отдельно 2-я и 3-я строки дают мне одинаковые точные результаты, в то время как первая дает мне более низкий val_loss.

Спасибо.

history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_split=0.1, verbose=1, callbacks=[TensorBoardColabCallback(tbc)])  
history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_data=(X_test, y_test), verbose=1, callbacks=[TensorBoardColabCallback(tbc)])
history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_data=(X_test, y_test), validation_split=0.1, verbose=1, callbacks=[TensorBoardColabCallback(tbc)])

Answer 1

1. Вы можете делать, что хотите, да, вы можете использовать один файл для обучения и один для проверки. Но вы также можете объединить их, тогда используйте train_test_split, если вы sh. Тем не менее, я бы порекомендовал вам объединить их, поскольку у вас есть данные за разные периоды времени, могут быть различия.
2. Использование validation_data означает, что вы предоставляете обучающий набор и проверочный набор самостоятельно, тогда как использование validation_split означает, что вы предоставляете только тренировочный набор, а keras разбивает его на тренировочный набор и проверочный набор (набор проверок в 1007 * раз превышает размер обучающего набора)