Python 如何计算训练模型的混淆矩阵？（根据本守则）

如何计算此培训模型的混淆矩阵

    model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
    model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
    history = model.fit([encoder_input_data, decoder_input_data], decoder_target_data,
          batch_size=batch_size,
          epochs=epochs,
          validation_split=0.2,
          verbose=1)
    model.summary()

---

假设您有训练集和测试集，并且

y\u true

保持预期结果：

训练你的模特

将预测值存储在变量

y\u predicted

从sklear导入混淆矩阵（

从sklearn.metrics导入混淆矩阵

）

执行

混淆矩阵（y\u真，y\u预测）

享受调整模型的乐趣；）

---

请根据我的代码片段定义哪个为y_true，哪个为y_predicted。====================================================================================模型=模型（[encoder\u inputs，decoder\u inputs]，decoder\u outputs）模型。编译（optimizer='rmsprop'，loss='classifical\u crossentropy'，metrics=['Accurance']）历史=模型。拟合（[encoder\u input\u data，decoder\u input\u data]，decoder\u target\u data，batch\u size=batch\u size，历代，validation\u split=0.2，verbose=1）model.summary（）@rzr请不要将注释空间用于发布代码-它实际上是不可读的！如有必要，请编辑并更新您的问题，但这里您只需重新发布问题中的代码，这是无用的…@rzr我建议您查看一些教程，这些教程可能有助于您理解拆分为train/[验证或测试]集（并解释它们是什么）因为我认为你们在整个训练集中训练你们的模型，若你们想在训练中使用的数据上建立混淆矩阵，它可能会给你们一些误导性的结果。这里有关于KRAS的很好的教程，或者如果你想了解更多的引擎盖后面发生的事情，你可以看看安得烈NG ML课程。