如何在 Keras 中验证预测
Posted
技术标签:
【中文标题】如何在 Keras 中验证预测【英文标题】:How to validate a prediction in Keras 【发布时间】:2019-12-05 20:15:23 【问题描述】:我正在查看Kaggle Digit Recognizer Tutorial,并试图了解所有这些是如何工作的。我想验证一个预测的值。基本上,我的预测是错误的,但我想看看该预测的实际值是多少。我想我很遥远:
...
df = pd.read_csv('data/train.csv')
labels = df['label'].values
x_train = df.drop(columns=['label']).values / 255
# trying to produce a crappy dataset for train/test
x_train, x_test, y_train, y_test = train_test_split(x_train, labels, test_size=0.95)
# Purposely trying to get a crappy model so I can learn about validation
model = tf.keras.models.Sequential()
# model.add(tf.keras.layers.Flatten())
# model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(10, activation=tf.nn.softmax))
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=1)
predictions = model.predict([x_test])
index_to_predict = 0
print('Prediction: ', np.argmax(predictions[index_to_predict]))
print('Actual: ', predictions.argmax(axis=-1)[index_to_predict])
print(predictions.shape)
vals = x_test[index_to_predict].reshape(28, 28)
plt.imshow(vals)
这会产生以下结果:
如何获得真正的“这是预测”和“这是实际”细分?我得到实际的逻辑肯定是错误的。
【问题讨论】:
混淆矩阵怎么样? 嗯,我现在已经亲自进入了那个矩阵。 这应该可以帮助您更好地了解培训。您还可以将目标值和预测值与图像名称一起写入 csv 文件,并使用 excel 中的一些过滤器或一些电子表格检查它们,通常对我来说会提供更好的视角。 【参考方案1】:y_test[index_to_predict]
会有实际的标签和
predictions[index_to_predict]
应该有每个类的预测概率值。
【讨论】:
【参考方案2】:真实标签(有时也称为目标值或真实标签)存储在y_train
和y_test
中,分别用于训练和测试集。因此,您可以轻松地打印出来以找到真正的标签:
print('Actual:', y_test[index_to_predict])
【讨论】:
以上是关于如何在 Keras 中验证预测的主要内容,如果未能解决你的问题,请参考以下文章
如何使用训练有素的 Keras CNN 模型对新的未标记数据进行预测