如何在Keras中找到错误的预测？

Question

我建立了一个Keras模型，用于从文本输入的原始输入中提取信息。我的准确度是0.9869。我怎么知道哪个训练数据使准确性降低？我已经在下面粘贴了我正在使用的代码。

import numpy as np  
from keras.models import Model, load_model
from keras.layers import Input, Dense, LSTM, Activation, Bidirectional, Dot, Flatten
from keras.callbacks import ModelCheckpoint

x_nyha = np.load("data/x_nyha.npy")
y_nyha = np.load("data/y/y_nyha.npy")
print(x_nyha.shape)
print(y_nyha.shape)


input_shape = x_nyha.shape[1:3]

X = Input(shape=input_shape)
A = Bidirectional(LSTM(512, return_sequences=True), merge_mode='concat')(X)
D = Dense(900, activation='relu')(A)
E = Dense(1, activation='sigmoid')(D)
Y = Flatten()(E)
model = Model(X, Y)
model.summary()

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])


batch_size = 128
num_epochs = 50


model.fit(x_nyha, y_nyha, batch_size=batch_size, epochs=num_epochs, verbose=1)

Answer 1

我认为最简单的方法是：根据训练数据训练模型，对训练数据进行预测，并查看预测错误的训练样本。

代码示例：

Bar

这种方式model.fit(x_nyha, y_nyha, batch_size=batch_size, epochs=num_epochs, verbose=1) prediction = np.round(model.predict(x_nyha)) wrong_predictions = x_nyha[prediction != y_nyha] 包含行，您的预测错误。