Keras 的混淆矩阵答案

【问题标题】：confusion matrix with KerasKeras 的混淆矩阵
【发布时间】：2020-03-08 13:39:39
【问题描述】：

我想评估模型的准确性，但还要实现 cifar10 数据集的所有 10 个类的混淆矩阵，我收到此错误消息“检查输入时出错：预期 conv2d_9_input 有 4 个维度，但得到了数组形状 (10000, 10)"

def run_test_harness():

# load dataset
trainX, trainY, testX, testY = load_dataset()
# prepare pixel data
trainX, testX = prep_pixels(trainX, testX)
# define model
model = define_model()
# fit model
history = model.fit(trainX, trainY, epochs=100, batch_size=64, validation_data=(testX, testY), verbose=0)

 # fig
y_pred=model.predict_classes(testY)
con_mat = tf.math.confusion_matrix(labels=y_true, predictions=y_pred).numpy()
con_mat_norm = np.around(con_mat.astype('float') / con_mat.sum(axis=1)[:, np.newaxis], decimals=2)
con_mat_df = pd.DataFrame(con_mat_norm, index = classes, columns = classes)
figure = plt.figure(figsize=(8, 8))
sns.heatmap(con_mat_df, annot=True,cmap=plt.cm.Blues)
plt.tight_layout()
plt.ylabel('True label')
plt.xlabel('Predicted label')
plt.show()

  accuracy, precision, recall = model.evaluate(testX, testY, verbose=0)

print ("recall")
print ('> %.3f' % (recall * 100.0))
print ("accuracy")
print('> %.3f' % (accuracy * 100.0))
print ("precision")
print('> %.3f' % (precision * 100.0))

# 学习曲线 #结束

 accuracy, precision, recall = model.evaluate(testX, testY, verbose=0)

print ("recall")
print ('> %.3f' % (recall * 100.0))
print ("accuracy")
print('> %.3f' % (accuracy * 100.0))
print ("precision")
print('> %.3f' % (precision * 100.0))

这是 Cnn 上的实现

定义定义模型（）：

model = Sequential()
model.add(Conv2D(32, (3, 3), activation='relu', kernel_initializer='he_uniform', padding='same', input_shape=(32, 32, 3)))
model.add(Conv2D(32, (3, 3), activation='relu', kernel_initializer='he_uniform', padding='same'))
model.add(MaxPooling2D((2, 2)))
model.add(Flatten())
model.add(Dense(128, activation='relu', kernel_initializer='he_uniform'))
model.add(Dense(10, activation='softmax'))
# compile model

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy',precision_m, recall_m])
return model

【问题讨论】：

prep_pixel_caode 在哪里？看来您正在将 test_Y 提供给模型。问题可能出在您的 load_dataset 或 prepr_pixel 上？你也可以发布它们吗，据我所知 cifar10.load_data() 返回两个可以像使用 Train_x、train_y、= load_dataset 一样提取的元组

标签： keras conv-neural-network confusion-matrix

【解决方案1】：

我的猜测是 trainX 或 testX 正在某处交换 y 数据。适合 trainX 的预期输入形状是：(batchsize, 32, 32, 3)，我认为批量大小为 10000。trainY 可能具有形状 (10000,10)。您可能想在调用 model.fit 之前检查 trainX、trainY、testX 和 testY 的形状，以确保没有交换或其他损坏。我希望这会有所帮助。

【讨论】：