Keras-모델 평가 및 모델 예측

이 장에서는 Keras의 모델 평가 및 모델 예측을 다룹니다.

모델 평가를 이해하는 것으로 시작하겠습니다.

모델 평가

평가는 모델이 주어진 문제와 해당 데이터에 가장 적합한 지 여부를 확인하기위한 모델 개발 과정입니다. Keras 모델은 모델을 평가하는 기능을 제공합니다. 세 가지 주요 주장이 있습니다.

테스트 데이터
테스트 데이터 레이블
verbose-참 또는 거짓

테스트 데이터를 사용하여 이전 장에서 만든 모델을 평가 해 보겠습니다.

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

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

위 코드를 실행하면 아래와 같은 정보가 출력됩니다.

테스트 정확도는 98.28 %입니다. 우리는 손글씨 숫자를 식별하는 최상의 모델을 만들었습니다. 긍정적 인 측면에서 우리는 여전히 모델을 개선 할 수 있습니다.

모델 예측

Prediction모델 생성의 최종 단계이자 예상되는 결과입니다. Keras는 방법을 제공 예측 훈련 모델의 예측을 얻을. 예측 방법 의 서명은 다음과 같습니다.

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

여기서 알 수없는 입력 데이터를 참조하는 첫 번째 인수를 제외한 모든 인수는 선택 사항입니다. 적절한 예측을 얻으려면 모양을 유지해야합니다.

아래 코드를 사용하여 이전 장에서 만든 MPL 모델에 대한 예측을 수행해 보겠습니다.

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

print(pred) 
print(label)

여기,

Line 1 테스트 데이터를 사용하여 예측 함수를 호출합니다.
Line 2 처음 5 개의 예측을 얻습니다.
Line 3 테스트 데이터의 처음 5 개 레이블을 가져옵니다.
Line 5 - 6 예측 및 실제 레이블을 인쇄합니다.

위 응용 프로그램의 출력은 다음과 같습니다.

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

두 배열의 출력은 동일하며 모델이 처음 5 개의 이미지를 올바르게 예측 함을 나타냅니다.