python - 在 Keras 模型中预测结果后,如何计算分类准确度?
问题描述
我已经建立了一个 Keras 模型,并且在训练时,分类准确度指标达到了 0.78。
但是在训练模型之后,当我运行以下代码时预测相同训练数据的输出时:
predicted_labels = model.predict(input_data)
acc = sklearn.metrics.accuracy_score(true_labels, predicted_labels)
准确度为 0.39。总而言之,对于 Keras 和 Sklearn,我没有得到相同的准确度结果。
解决方案
衡量准确率的方法有很多种,sklearn 使用的可能与 Keras 不同。
您可以使用您编译的模型并lossAndMetrics = model.evaluate(input_data, true_labels)
查看肯定与您用于训练的相同的损失和指标。
PS:如果您的模型过度拟合,测试/验证数据的结果不佳并不罕见。
推荐阅读
- mysql - 想在 Go 中使用 gorm 从 mysql 生成 json 输出
- javascript - 如何通过 node.js Web 管理面板控制/访问 ubuntu 服务器服务?
- angular - Angular:通过“Y”或“N”而不是 true 或 false 自定义切换
- java - Spring Webflux Websocket 会话管理
- google-cloud-platform - Apache Beam 中无界 pcollections 的全局窗口的默认行为是什么?
- python - 网络命名空间 TCP 微冻
- c++ - 结构节点 { int 数据;节点 *r_child; 节点 *l_child; 节点父节点;}; 为什么节点父级会出错..请帮助我
- html - 无法在 C 网络服务器中加载图像
- node.js - 通过 Array.find() 在 post 路由中从 mongoose 访问数组对象的问题
- javascript - Firebase(Firestore)Javascript不断显示错误