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:Python 调用model.predict_classes()后是否可能获得预测精度?,python,tensorflow,keras,neural-network,Python,Tensorflow,Keras,Neural Network,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
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”