在 Keras 中，如何计算模型评估期间正确猜测的确切数量？答案

【问题标题】：In Keras, how do I count the exact number of correct guesses during model evaluation?在 Keras 中，如何计算模型评估期间正确猜测的确切数量？
【发布时间】：2020-04-26 11:02:08
【问题描述】：

我已经使用 Keras 尝试制作一个基本的神经网络，并且我正在使用一些人口普查数据。该网络应该识别个人是否每年赚“50K”。我的准确度很好，但我也想知道每个实例中有多少是正确的。

所以我要统计的四个参数是：

模型猜测“50K”？

模型猜了多少次“

本应为“50K”多少次？

模型猜测“>50K”的次数是“>50K”？

#define model architecture
model = Sequential()
n_cols = train_x.shape[1] 
model.add(Dense(10, activation='relu', input_shape=(n_cols,)))
model.add(Dense(10, activation='relu'))
model.add(Dense(1))

#compile model
model.compile(loss='mean_squared_error',
              optimizer='adam',
              metrics=['accuracy'])

#fit model on training data
model.fit(train_x, train_y,
    nb_epoch=50, verbose=1)

#evaluate model on test data
accuracy = model.evaluate(test_x, test_y, verbose=1)
print("loss: ", accuracy[0]*100)
print("accuracy: ", accuracy[1]*100)

【问题讨论】：

请注意，您实际上有一个分类问题，并且您正在将其视为回归问题，这是完全错误的

标签： python tensorflow machine-learning keras

【解决方案1】：

如果您将“负，并将“>50K”定义为 1 类或正，则您正在寻找以下指标：

模型猜“50K”？对应tf.keras.metrics.FalseNegatives

模型猜了多少次“tf.keras.metrics.TrueNegatives

模型在应该是“50K”多少次？对应tf.keras.metrics.FalsePositives

模型猜了多少次“>50K”，结果是“>50K”？对应tf.keras.metrics.TruePositives

编辑：您可以通过以下方式将这些添加到您的代码中：

...

# Define metrics
fn = tf.keras.metrics.FalseNegatives()
tn = tf.keras.metrics.TrueNegatives()
fp = tf.keras.metrics.FalsePositives()
tp = tf.keras.metrics.TruePositives()

# Get model predictions for test data
test_preds = model(test_x)

# Convert labels for test data to categorical
test_y = tf.cast(test_y, tf.int32)

# Update metrics
fn.update_state(y_true=test_y, y_pred=test_preds)
tn.update_state(y_true=test_y, y_pred=test_preds)
fp.update_state(y_true=test_y, y_pred=test_preds)
tp.update_state(y_true=test_y, y_pred=test_preds)

# Print results
tf.print(fn.result())
tf.print(tn.result())
tf.print(fp.result())
tf.print(tp.result())

【讨论】：