1.# 交叉检验

k = 4

num_val_samples = len(train_data) // k    # //得到的是一个整数

num_epochs = 100

all_scores = []  # 得分

# 进行循环的交叉检验

for i in range(k):

    # 首先把验证集取出来，要取出验证集，需要得到验证集两个边界的大小

    val_data = train_data[i * num_val_samples: (i + 1) * num_val_samples]

    val_targets = train_target[i * num_val_samples: (i + 1) * num_val_samples]

    # 构造训练集,因为我们的训练集本身是不连续的，所以需要用个函数连起来

    partial_train_data = np.concatenate(

        [train_data[: i * num_val_samples],

        train_data[(i + 1) * num_val_samples:]],

        axis=0)

    partial_train_targets = np.concatenate(

        [train_target[: i * num_val_samples],

        train_target[(i + 1) * num_val_samples:]],

        axis=0)

    # 使用模型，每进行一折，都要重新构造一个模型出来

    model = build_model()

    model.fit(partial_train_data, partial_train_targets, epochs=num_epochs, batch_size=1, verbose=0)     # 如果输出的话行数有101*100*4，输出太多，所以暂时不输出

    val_mse, val_mae = model.evaluate(val_data, val_targets, verbose=0)

    all_scores.append(val_mae)

    print('第', i + 1, '折，MSE：', val_mse, 'MAE：',val_mae)