Keras - Evaluasi Model dan Prediksi Model

Bab ini membahas evaluasi model dan prediksi model di Keras.

Mari kita mulai dengan memahami evaluasi model.

Evaluasi Model

Evaluasi adalah proses selama pengembangan model untuk memeriksa apakah model paling cocok untuk masalah yang diberikan dan data yang sesuai. Model Keras menyediakan fungsi, evaluasi yang melakukan evaluasi model. Ini memiliki tiga argumen utama,

  • Uji data
  • Uji label data
  • verbose - benar atau salah

Mari kita evaluasi model, yang kita buat di bab sebelumnya menggunakan data uji.

score = model.evaluate(x_test, y_test, verbose = 0) 

print('Test loss:', score[0]) 
print('Test accuracy:', score[1])

Menjalankan kode di atas akan menampilkan informasi di bawah ini.

0

Akurasi tes adalah 98,28%. Kami telah membuat model terbaik untuk mengidentifikasi angka tulisan tangan. Sisi positifnya, kami masih dapat meningkatkan model kami.

Prediksi Model

Predictionadalah langkah terakhir dan hasil yang kami harapkan dari generasi model. Keras menyediakan metode, memprediksi untuk mendapatkan prediksi model yang dilatih. Tanda tangan dari metode prediksi adalah sebagai berikut,

predict(
   x, 
   batch_size = None, 
   verbose = 0, 
   steps = None, 
   callbacks = None, 
   max_queue_size = 10, 
   workers = 1, 
   use_multiprocessing = False
)

Di sini, semua argumen bersifat opsional kecuali argumen pertama, yang merujuk data input yang tidak diketahui. Bentuknya harus dipertahankan untuk mendapatkan prediksi yang tepat.

Mari kita lakukan prediksi untuk model MPL yang kita buat di bab sebelumnya menggunakan kode di bawah ini -

pred = model.predict(x_test) 
pred = np.argmax(pred, axis = 1)[:5] 
label = np.argmax(y_test,axis = 1)[:5] 

print(pred) 
print(label)

Sini,

  • Line 1 panggil fungsi prediksi menggunakan data pengujian.

  • Line 2 mendapat lima prediksi pertama

  • Line 3 mendapatkan lima label pertama dari data pengujian.

  • Line 5 - 6 mencetak prediksi dan label aktual.

Output dari aplikasi di atas adalah sebagai berikut -

[7 2 1 0 4] 
[7 2 1 0 4]

Output dari kedua larik identik dan ini menunjukkan bahwa model kita memprediksi lima gambar pertama dengan benar.