Python KERA决定了错误的预测

我有一个经过训练的Keras模型，我有一个验证集（即X_val，y_val）。我想用这个模型来预测y_val，然后确定错误预测的指数。然后，我将使用这些指数来确定与错误分类相对应的原始数据点。如何获取这些索引

---

我的目标是显示我们错误分类的原始输入列表。这是我错误分析的一部分。原始输入是文本，但这不应该是相关的。

我建议使用模型的predict\u类比较预测不正确的地方

incorrects = np.nonzero(model.predict_classes(X_val).reshape((-1,)) != y_val)

---

我建议使用模型的predict_类来比较不正确的预测

incorrects = np.nonzero(model.predict_classes(X_val).reshape((-1,)) != y_val)

---

请解释您的索赔要求，并提供索赔要求和备选方案。指数差异较大。我想你是一个很好的数据科学家，我也知道你一定是把数据混在一起了。不要使用指数，而是从一开始就标记错误的预测，然后进行分析。请解释您的主张，并提供替代方案。指数具有很高的方差。我想你是一个很好的数据科学家，我也知道你一定是把数据混在一起了。不要使用指数，而是标记开始时的错误预测，然后进行分析。你能解释一下

重塑（-1，）

的作用以及为什么需要在这里使用它吗？注意，

预测类

应该改为

预测类

。你能解释一下

重塑（-1，）

的作用以及为什么需要在这里使用它吗？注意，

predict\u class

应更改为

predict\u class

。