在Keras中,您会看到类似这样的内容:
{'id': '2'}
{'id': '3'}
但是我很喜欢它:
model.fit(X_train,oh_y_train, batch_size = 512, 纪元= 1, verbose = 1)
Epoch 1/1
60000/60000 [==============================] - 297s 5ms/step - loss: 0.7048 - acc: 0.7669
60000/60000 [==============================] - 179s 3ms/step
Training Set:
acc: 94.60%
10000/10000 [==============================] - 30s 3ms/step
Test Set:
acc: 95.10%
方法中没有验证数据,从第1阶段起测量准确性是什么?
最终的准确性有所不同。
答案 0 :(得分:3)
这只是训练集的准确性,验证准确性将为val_acc
答案 1 :(得分:1)
此模型适合训练集,然后根据训练集中的观察值验证预测。
所以您在看how good does this regression equation predict the same data it was fit on
。
当您获得针对保留样本(AKA测试集)的准确性得分时,您会看到how good does this regression equation predict on cases that were not in the training set
过拟合时,在前一种情况下,您的准确性得分会更高。