Machine learning 如何计算keras中的误差百分比

我使用keras和机器学习模型来预测我的数据，就像这样

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,
          )

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

---

model.fit后的输出显示损耗，如损耗：0.0382。我不知道损失是什么意思：0.0382。列车和测试数据之间的误差百分比是多少？如何计算？

您使用了

均方误差

（mse）损失函数

MSE评估估计器（即，将数据样本映射到从中采样数据的总体参数的数学函数）或预测器（即，将任意输入映射到某个随机变量的值样本的函数）的质量

MSE对于一个好的模型来说必须很低。模型的MSE越低越好

在您的培训中，您损失了

0.0382

。这很好

在

Keras

中有另一个损失函数，名为

mean\u absolute\u percentage\u error

。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

作为损失函数编译模型

如果您想在编译和训练后根据模型的精度对模型进行评估，可以使用

evaluate（）

这样的函数

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,
          )

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

---

你能详细说明一下你所说的百分比是什么意思吗；这是在不同的环境中（

scikit learn

），但您的问题是在一个非常基本的层面上，独立于任何特定的包和实现i use model.compile（loss='mean\u absolute\u percentage\u error'，optimizer='adam'）。为什么输出是Epoch 200/200 39/39[====================================]-0s-损耗：74374.4342是否超过100%？如何使用？我已经编辑了答案。我认为找到模型的准确性是你所要寻找的。