Machine learning Keras-使用验证时如何可视化混淆矩阵

我训练了一个模型，并在拟合方法上使用了

验证\u 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。由于数据拆分是由Keras validation_split完成的，因此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？

根据：

验证_分割：在0和1之间浮动。训练数据的分数 用作验证数据。该模型将区分这一部分 将不会在其上进行培训，并将评估损失 以及每个时代结束时该数据的任何模型度量。这个 从x和y数据中的最后一个样本中选择验证数据 在洗牌前提供

因此，您可以通过获得X的最后20%来轻松计算验证数据

政府似乎正是这样做的：

       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))

elif验证\u分割和0.<验证_分割<1:
do_validation=True
如果hasattr（x[0]，“shape”）：
split_at=int（x[0]。形状[0]*（1.-验证_split））
其他：
拆分=int（len（x[0]）*（1.-验证拆分））
x、 val_x=（_切片_数组（x，0，拆分_at），_切片_数组（x，拆分_at））
y、 val_y=（_切片_数组（y，0，split_at），_切片_数组（y，split_at））

---

它首先得到拆分索引（样本数*0.8），然后保留以下部分作为验证。

谢谢，我会看一看