Python 如何计算精度？

我正在努力从我的神经网络计算准确度。我正在使用带有反向传播算法的MNIST数据库。一切都是从头开始的

我的部分代码如下所示：

对于范围1中的x，纪元+1： 计算前馈 ... SoftMax的激活值=softmaxZ2 丧失 这是我的标签 损耗=-np.sumY*np.logactivationValueOfSoftmax，轴=0，keepdims=True 成本=np.sumloss，轴=1/m为784 反向传播 dZ2=软件的激活值-Y 其余的参数 ... 通过梯度下降更新参数 ... 我可以从中计算精度吗，或者我必须重做NN的某些部分吗

---

谢谢你的帮助

我假设你的测试集有10个数字的10个大小的一个热y向量，你通过训练集的前向道具检索你的假设

correct = 0

    for i in range(np.shape(y)[0]):
        #argmax retrieves index of max element in hypothesis
        guess = np.argmax(hyp[i, :])
        ans= np.argmax(y[i, :])
        print("guess: ", guess, "| ans: ", ans)
        if guess == match:
            correct = correct + 1;

accuracy = (correct/np.shape(y)[0]) * 100

你必须用你的权重和测试集数据再次向前推进，以得到你的假设向量应该是10大小，然后你可以循环测试集中的所有y值，使用一个计数器变量correct来检索正确的数量。要获得百分比，您只需将正确值除以测试集示例数，然后乘以100即可

如果您想从训练集中获得准确度，只需在您的案例中使用您的假设activationValueOfSoftmax，并执行相同的操作

---

祝你好运你有预测吗？如果您想一步一步地执行此操作，请创建一个包含y_pred和y_true的数据帧，添加一个额外的列，条件是：如果y_pred==y_true，则为1，否则为0。最后计算该栏的平均分，这就是你的准确度。非常感谢！现在我发现，我的NN基本上没有学习：D。