如何计算keras中的错误百分比

Question

我使用 keras 并设置机器学习模型来预测我的数据。

K.clear_session()

model = Sequential()
model.add(Dense(3, input_dim=1, activation='relu'))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(X_train, y_train, epochs=500,
          batch_size=2, verbose=1,
          )

model.fit 后的输出显示损失，例如 loss: 0.0382。我不知道 loss: 0.0382 是什么意思。训练数据和测试数据之间的误差百分比是多少？如何计算？

Answer 1

您使用了mean_squared_error (mse) 损失函数。

MSE 评估估计量（即，将数据样本映射到从中抽样数据的总体参数的数学函数）或预测器（即，将任意输入映射到样本的函数）的质量。一些随机变量的值）。

Formula for MSE

MSE 必须低才能获得好的模型。模型的 MSE 越低越好。

在您的训练中，您损失了0.0382。挺好的。

在Keras 中还有另一个名为mean_absolute_percentage_error 的损失函数。如果您想知道模型在训练和测试中的百分比误差，可以使用mean_absolute_percentage_error 作为损失函数来编译模型。

如果你想根据模型的准确度来评估编译和训练后的模型，你可以像这样使用evaluate()函数。

scores = model.evaluate(X_validation, Y_validation, verbose=1)
print("Accuracy: %.2f%%" % (scores[1]*100))