时间戳

首页 > 解决方案 > Keras，得分与预测

python - Keras，得分与预测

问题描述

我目前正在为分类（20 类）、文本分类问题训练 Keras 模型。

当我使用训练和验证集训练模型时，我得到如下输出：

纪元 19/20 59500/59500 [===============================] - 22s 371us/步 - 损失：0.0038 - 准确度：0.9989 - val_loss：0.6645 - val_accuracy：0.9550

建议非常好的验证准确性。之后，当我调用我的模型来评估分数时（在同一个验证集上），我得到：

from sklearn.metrics import accuracy_score
predictions = classifier.predict(X_test)
print(f"Keras Score: {classifier.score(X_test, valid_labels)}")
print(f"Accuracy on test set: {100 * accuracy_score(np.argmax(valid_labels, axis=1),    predictions):.2f}%")

产量：

10500/10500 [===============================] - 1s 66us/步 10500/10500 [====== ========================] - 1s 80us/step Keras 分数：0.9546093940734863 测试集准确率：49.58%

我希望分数完全相同，因为它是相同的数据，相同的度量和一切。标签被编码为 one-hot 向量，因此是准确度计算中的 argmax。

我当然希望实现模型在训练时似乎具有的性能，我只是对为什么性能甚至不一样感到困惑。虽然我理解模型可能不正确，但我不明白为什么模型预测的东西与它用来计算分数的东西不同（指标是准确性）。

该模型经过以下训练：

history = classifier.fit(X_train, train_labels,
                    epochs=20,
                    verbose=True,
                    validation_data=(X_test, valid_labels),
                    batch_size=20)

谢谢！

编辑

模型返回的预测不是单热向量。它们是一个整数，我相信它是预测的类。

标签： pythonmachine-learningkeras

解决方案

你的预测 (N,20) 是 numpy 数组吗？从您的标签来看y， 是一次性编码的，我希望对样本x的预测也是一个具有每个类别概率的向量（在这种情况下为 20）。

如果是这种情况；

accuracy_score(np.argmax(valid_labels, axis=1), np.argmax(predictions, axis=1))

应该做的伎俩。

推荐阅读