我就想问下书58页，units_list 选择 [20],[13,6]的意思，第一个是选择20个神经元，第二个是选择13或者6个？ 还有就是56页上def create_model(unist_list[13] 是13的原因~ 只是因为x数量是13吗？ 这个create_model 是api还是自定义函数 ？
create_model是自定义函数，目的是让模型的层级可以通过参数定义。
您好，请问为什么第8章的boston_house的代码运行以后的results.mean()的输出为什么是负数？而书本上是正数。
额。。我也是负数
@遥远的遗忘 那个值应该取其相反数就好了
我的也是负数
书78页的例子，用到了train_test_split（）函数，其中test_size=0.2，（根据我对书36页同一个函数的理解）应该是说这里的x_train占了80%，x_increment占了20%。但是78页上面又说“采用增量更新模型，需要做与全量更新的对比实验”，所以不太明白这里的80%为什么能代表全量。另外，参考model.fit()的说明，如果没有指定validation_data的情况下，应该是自动抽取。那么这两次“对比实验”的验证集就可能是不一样的，不知道这样是否合理。恳请解答，谢谢。
书中没有演示与全量的对比结果，只是提醒读者在实际的工程当中，应该要对比一下增量更新模型之后的结果与全量构建模型结果，看一下增量更新能否真正改善模型。
我就想问下书58页，units_list 选择 [20],[13,6]的意思，第一个是选择20个神经元，第二个是选择13或者6个？ 还有就是56页上def create_model(unist_list[13] 是13的原因~ 只是因为x数量是13吗？ 这个create_model 是api还是自定义函数 ？
您好，请问为什么第8章的boston_house的代码运行以后的results.mean()的输出为什么是负数？而书本上是正数。
书78页的例子，用到了train_test_split（）函数，其中test_size=0.2，（根据我对书36页同一个函数的理解）应该是说这里的x_train占了80%，x_increment占了20%。
但是78页上面又说“采用增量更新模型，需要做与全量更新的对比实验”，所以不太明白这里的80%为什么能代表全量。
另外，参考model.fit()的说明，如果没有指定validation_data的情况下，应该是自动抽取。那么这两次“对比实验”的验证集就可能是不一样的，不知道这样是否合理。
恳请解答，谢谢。