Keras - 使用validation_split时如何可视化混淆矩阵答案

【问题标题】：Keras - How to visualize confusion matrix, when using validation_splitKeras - 使用validation_split时如何可视化混淆矩阵
【发布时间】：2018-08-30 14:54:48
【问题描述】：

我已经训练了一个模型并在 fit 方法上使用了validation_split=0.2，如下所示：

history = model.fit(X, Y, validation_split=0.2, epochs=700, batch_size=10, verbose=1,callbacks=[tb, checkpoint])

最佳权重保存为 hdf5 文件。由于数据的拆分是由 Keras validation_split 完成的，所以我没有可用的测试集。如何在没有测试集的情况下绘制混淆矩阵？

【问题讨论】：

标签： machine-learning scikit-learn keras

【解决方案1】：

根据the documentation of fit()：

validation_split：在 0 和 1 之间浮动。训练数据的分数用作验证数据。该模型将区分这部分的训练数据，不会对其进行训练，并将评估损失以及每个时期结束时有关此数据的任何模型指标。这验证数据是从 x 和 y 数据中的最后一个样本中选择的在洗牌之前提供。

因此您可以通过获取 X 的最后 20% 来轻松地自己计算验证数据。

source code 似乎正是这样做的：

       elif validation_split and 0. < validation_split < 1.:
            do_validation = True
            if hasattr(x[0], 'shape'):
                split_at = int(x[0].shape[0] * (1. - validation_split))
            else:
                split_at = int(len(x[0]) * (1. - validation_split))
            x, val_x = (_slice_arrays(x, 0, split_at), _slice_arrays(x, split_at))
            y, val_y = (_slice_arrays(y, 0, split_at), _slice_arrays(y, split_at))

先得到分裂指数（样本数*0.8），然后保留以下部分作为验证。

【讨论】：

谢谢，我去看看