Question

训练我的模型的代码是：

from keras.models import Sequential
from keras.layers import Dense
import numpy
import pandas as pd

X = pd.read_csv(
    "data/train.csv", header=0, usecols=['Type', 'Age', 'Breed1', 'Breed2', 'Gender', 'Color1', 'Color2', 'Color3', 'MaturitySize', 'FurLength',    'Vaccinated',   'Dewormed', 'Sterilized',   'Health',   'Quantity', 'Fee', 'VideoAmt', 'PhotoAmt'])
Y = pd.read_csv(
    "data/train.csv", header=0, usecols=['AdoptionSpeed'])

X = pd.get_dummies(X, columns=["Type", "Breed1",
                               "Breed2", 'Color1', 'Color2', 'Color3', 'Gender', 'MaturitySize', 'FurLength'])
print(X)

Y = Y['AdoptionSpeed'].apply(lambda v: v / 4)

input_units = X.shape[1]

model = Sequential()
model.add(Dense(input_units, input_dim=input_units, activation='relu'))
model.add(Dense(input_units, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy',
              optimizer='adam', metrics=['accuracy'])
model.fit(X, Y, epochs=250, batch_size=1000)
scores = model.evaluate(X, Y)

我有一个名为test.csv的文件。如何针对模型测试该设置，以查看模型的有效性？

训练数据的准确性似乎达到97％，但我担心它可能过拟合。

Answer 1

您可以按照以下培训方法进行操作：

f = "test.csv"
X = pd.read_csv(
    f, header=0, usecols=['Type', 'Age', 'Breed1', 'Breed2', 'Gender', 'Color1', 'Color2', 'Color3', 'MaturitySize', 'FurLength',    'Vaccinated',   'Dewormed', 'Sterilized',   'Health',   'Quantity', 'Fee', 'VideoAmt', 'PhotoAmt'])
Y = pd.read_csv(
    f, header=0, usecols=['AdoptionSpeed'])

X = pd.get_dummies(X, columns=["Type", "Breed1",
                               "Breed2", 'Color1', 'Color2', 'Color3', 'Gender', 'MaturitySize', 'FurLength'])
print(X)

Y = Y['AdoptionSpeed'].apply(lambda v: v / 4)
scores = model.evaluate(X, Y)

Answer 2

为了选择最佳模型以在测试集上对其进行评估，您应该首先将训练集分为训练集和验证集。然后，您可以迭代地训练和验证模型。 Keras fit方法会自动为您完成此操作。

model.fit(X, Y, epochs=250, batch_size=1000, validation_split=0.2)

如您所见，这将分配20％的训练集用作模型验证。

然后，您应该使用test.csv文件，仅用来衡量您选择的模型的质量。但是，切勿对测试集进行模型选择。使用了测试集，因此您可以无偏估计模型在现实世界中的表现。

然后，我将加载test.csv文件并使用：

model.evaluate(x=X_test, y=Y_test)

否则，如果您只想对测试集进行推断，则可以执行以下操作：

predictions = model.predict(X_test)

此方法将返回测试集的预测。

如何针对经过keras训练的模型运行测试数据？

2 个答案: