从Keras模型计算准确性

时间:2019-03-15 10:50:54

标签: machine-learning keras classification

我有Keras模型,我想使用测试数据进行评估。 当我使用keras model.evaluate_generator时,我会损失并获得acc,并且可以打印百分比精度,如:

loss, acc = model.evaluate_generator(test_gen, steps=evaluation_steps)
print("\n%s: %.2f%%" % (model.metrics_names[1], acc * 100))

这导致大约92%。
当我想创建一个混淆矩阵(太看我有多少假阳性和假阴性)时,我将代码更改为:

predictions = model.predict_generator(test_gen, steps=evaluation_steps)
y_pred = np.argmax(predictions, axis=1)
y_true = np.argmax(labels, axis=1)
confusion_matrix(y_true, y_pred)

我得到了正确的混淆矩阵。但是,我仍然希望显示92%,我可以从predictions获得它吗?

1 个答案:

答案 0 :(得分:1)

可以通过您的y_predy_true以简单的方式计算准确性;这是一个用于3类分类的虚拟数据的示例:

import numpy as np

y_true = np.array([2, 0, 2, 2, 0, 1])
y_pred = np.array([0, 0, 2, 2, 1, 2])

这里简单的视觉检查告诉我们,我们的准确度应为0.5(50%);所以:

l = len(y_true)
acc = sum([y_pred[i]==y_true[i] for i in range(l)])/l
acc
# 0.5