Python 调用model.predict_classes（）后是否可能获得预测精度？

我不熟悉python神经网络。我过去用过ml.net。在acc=60%的情况下，每个预测示例f.e->my model在照片上识别出的自行车的准确度都很容易得到

现在我需要用python做类似的事情。我用的是keras和tensorflow

这就是我的预测：

predict = model.predict_classes(data)

---

它返回预测类，但如何获得该预测的准确性？

也许您正在寻找Keras中的评估函数：

一些额外的特定度量函数：

此外，还有一些很好的例子可以帮助您在遇到问题时开始：

---

希望这能有所帮助。

我想你要找的是

模型。predict（）

---

如果您的任务是分类，并且您正在进行多类分类，请记住在最后使用

softmax

，以获得正确的概率。

我认为您正在寻找每个类的概率，如果它是真的，那么您可以使用：“预测概率”，例如，如果您的功能victor是sklearn中的“数据”，那么它将是：

 pro=model.predict_proba(data)

---

哪个pro是一个数组，包含每个类的概率。在您的情况下，例如60%的自行车、30%的汽车等等。

只有一个澄清，您需要的是信心，而不是准确性[就像这里，您只需要一个具有

activation=“softmax”