机器学习PAI EasyRec中的eval_config能否设置比例？

EasyRec不区分测试机和验证集，训练时候建议在比较小的验证集上验证auc，防止过拟合; 在测试集上评估建议用离线预测，然后用pai auc组件评估，此回答整理自钉群“【EasyRec】推荐算法交流群”

在PAI EasyRec中，eval_config可以用来配置评估的参数，但是它并不能直接设置比例来进行划分测试集和验证集。

通常情况下，eval_config是用来指定评估的参数，如评估的周期、评估的数据集等。它并不直接负责数据集的划分。数据集的划分通常是在数据预处理阶段进行的，而不是在模型训练和评估阶段。

如果你想要将测试集和验证集按照一定比例进行划分，你需要在数据预处理阶段进行操作。具体的方法可以使用数据集切分的方式，将原始数据集按照一定比例划分为测试集和验证集。

在PAI EasyRec中，你可以使用split_dataset函数来进行数据集的划分。该函数可以指定划分的方式，如按照比例或者按照文件数量等。你可以根据需要选择适合的方式进行划分。

总结来说，eval_config并不直接负责数据集的划分，数据集的划分需要在数据预处理阶段进行。你可以使用split_dataset函数来进行数据集的划分，以达到你的需求。

是的，机器学习PAI EasyRec中的eval_config可以设置比例，以实现按照比例分割训练集和验证集。
具体操作如下：

1. 在EasyRec的实验面板中选择相应的实验，然后单击右侧的“Edit Config”按钮。
2. 在实验配置文件中找到eval_config部分，其中包含了训练集和验证集的设置。
3. 将固定的数量替换为相应的比例，如train_percent=0.8, val_percent=0.2表示将80%的数据作为训练集，剩余20%作为验证集。