如何在 Keras 中验证预测答案

【问题标题】：How to validate a prediction in Keras如何在 Keras 中验证预测
【发布时间】：2019-12-05 20:15:23
【问题描述】：

我正在查看Kaggle Digit Recognizer Tutorial，并试图了解所有这些是如何工作的。我想验证一个预测的值。基本上，我的预测是错误的，但我想看看该预测的实际值是多少。我想我很遥远：

...

df = pd.read_csv('data/train.csv')

labels = df['label'].values
x_train = df.drop(columns=['label']).values / 255
# trying to produce a crappy dataset for train/test
x_train, x_test, y_train, y_test = train_test_split(x_train, labels, test_size=0.95)


# Purposely trying to get a crappy model so I can learn about validation
model = tf.keras.models.Sequential()
# model.add(tf.keras.layers.Flatten())
# model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(10, activation=tf.nn.softmax))
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

model.fit(x_train, y_train, epochs=1)
predictions = model.predict([x_test])


index_to_predict = 0
print('Prediction: ', np.argmax(predictions[index_to_predict]))
print('Actual:     ', predictions.argmax(axis=-1)[index_to_predict])
print(predictions.shape)
vals = x_test[index_to_predict].reshape(28, 28)
plt.imshow(vals)

这会产生以下结果：

如何获得真正的“这是预测”和“这是实际”细分？我得到实际的逻辑肯定是错误的。

【问题讨论】：

混淆矩阵怎么样？
嗯，我现在已经亲自进入了那个矩阵。
这应该可以帮助您更好地了解培训。您还可以将目标值和预测值与图像名称一起写入 csv 文件，并使用 excel 中的一些过滤器或一些电子表格检查它们，通常对我来说会提供更好的视角。

标签： python tensorflow machine-learning keras classification

【解决方案1】：

y_test[index_to_predict]

会有实际的标签和

predictions[index_to_predict]

应该有每个类的预测概率值。

【讨论】：

【解决方案2】：

真实标签（有时也称为目标值或真实标签）存储在y_train 和y_test 中，分别用于训练和测试集。因此，您可以轻松地打印出来以找到真正的标签：

print('Actual:', y_test[index_to_predict])

【讨论】：