將資料切分為訓練集與驗證集
你已經學到，只有訓練資料而沒有驗證資料集會導致「過度擬合」（overfitting）。一旦發生過度擬合，模型在訓練輸入上的預測會非常好，但對看不見的新資料泛化得很差。這代表模型實用性不高，因為它無法泛化。為了避免這個問題，你可以使用驗證資料集。
在本練習中，你會從手上的資料集建立訓練集與驗證集（也就是 en_text 含有 1000 句英文，fr_text 含有對應的 1000 句法文）。你將使用其中 80% 作為訓練資料，20% 作為驗證資料。
本練習屬於課程
使用 Keras 進行機器翻譯
練習說明
- 使用
np.arange()定義一個索引序列，從 0 開始，長度為en_text的大小。 - 將
valid_inds定義為該索引序列最後valid_size個索引。 - 定義
tr_en與tf_fr，分別包含在train_inds這些索引位置上的句子，來源為en_text與fr_text串列。 - 定義
v_en與v_fr，分別包含在valid_inds這些索引位置上的句子，來源為en_text與fr_text串列。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
train_size, valid_size = 800, 200
# Define a sequence of indices from 0 to len(en_text)
inds = ____.____(len(_____))
np.random.shuffle(inds)
train_inds = inds[:train_size]
# Define valid_inds: last valid_size indices
valid_inds = inds[____]
# Define tr_en (train EN sentences) and tr_fr (train FR sentences)
tr_en = [en_text[____] for ti in ____]
tr_fr = [____ for ti in ____]
# Define v_en (valid EN sentences) and v_fr (valid FR sentences)
v_en = [____ for vi in valid_inds]
v_fr = [____ for vi in ____]
print('Training (EN):\n', tr_en[:3], '\nTraining (FR):\n', tr_fr[:3])
print('\nValid (EN):\n', v_en[:3], '\nValid (FR):\n', v_fr[:3])