时间戳

首页 > 解决方案 > 检查通过看不见的数据评估keras模型的方式是否正确

keras - 检查通过看不见的数据评估keras模型的方式是否正确

问题描述

我研究Keras并创建了我的第一个神经网络模型，如下所示：

from keras.layers import Dense
import keras
from keras import Sequential
from sklearn.metrics import accuracy_score

tr_X, tr_y = getTrainingData()

# NN Architecture
model = Sequential()
model.add(Dense(16, input_dim=tr_X.shape[1]))
model.add(keras.layers.advanced_activations.PReLU())

model.add(Dense(16))
model.add(keras.layers.advanced_activations.PReLU())

model.add(Dense(1, activation='sigmoid'))

# Compile the Model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# Fit the Model
model.fit(tr_X, tr_y, epochs=1000, batch_size=200, validation_split=0.2)

# ----- Evaluate the Model (Using UNSEEN data) ------
ts_X, ts_y = getTestingData()
yhat_classes = model.predict_classes(ts_X, verbose=0)[:, 0]
accuracy = accuracy_score(ts_y, yhat_classes)
print(accuracy)

我不确定我的代码的最后一部分，即使用model.predict_classes()通过自定义方法加载新数据的模型评估getTestingData()。请参阅我的目标是使用新的 UNSEEN 数据测试最终模型以评估其预测。我的问题是关于这部分：我是否正确评估了模型？

谢谢，

标签： kerasneural-network

解决方案

对，那是正确的。您可以使用 predict 或 predict_classes 来获得对测试数据的预测。如果您直接需要损失和指标，您可以通过输入 ts_X 和 ts_y 来使用评估方法。

y_pred = model.predict(ts_X)

loss, accuracy = model.evaluate(ts_X, ts_y)

https://keras.io/models/model/#predict

https://keras.io/models/model/#evaluate

predict 和 predict_classes 之间的区别：keras 中的“predict”和“predict_class”函数有什么区别？

推荐阅读