如何在DeepLearning中获得测试数据分类器的准确性

Question

我正在尝试使用DL4J进行深度学习，并为训练数据提供了标签。然后，我尝试通过分配虚拟标签来发送测试数据。如果不提供虚拟标签，则会出现运行时错误。我不明白为什么我们需要为测试数据分配标签。
另外，我想知道预测的准确性是什么。根据我在dl4j文档中所看到的，生成了一些称为混淆矩阵的东西。我了解这只是让我们了解训练数据对系统的训练程度。有没有办法提高测试数据预测的准确性？由于我们为测试数据提供了虚拟标签，因此我感到混乱矩阵也无法正确生成。

Answer 1

首先，如果您不知道正确的标签是什么，如何测试网络是否输出正确的标签？在训练和测试时，应该始终带有标签，因为这样可以断言输出是否正确。

第二个问题，我在dl4j网页上找到了这个问题：

Evaluation eval = new Evaluation(3);
INDArray output = model.output(testData.getFeatures());
eval.eval(testData.getLabels(), output);
log.info(eval.stats());

据称，此.stats()方法显示混淆矩阵条目（每行一个），准确性，准确性，召回率和F1得分。此外，评估类还可以计算并返回以下值：

Confusion Matrix
False Positive/Negative Rate
True Positive/Negative
Class Counts
F-beta, G-measure, Matthews Correlation Coefficient and more

希望对您有帮助。

Answer 2

您可能会在DL4J开发人员社区中找到可以回答您问题的人：ERC20 standard