Keras - Đánh giá mô hình và dự đoán mô hình

Chương này đề cập đến việc đánh giá mô hình và dự đoán mô hình trong Keras.

Chúng ta hãy bắt đầu bằng cách tìm hiểu đánh giá mô hình.

Đánh giá mô hình

Đánh giá là một quá trình trong quá trình phát triển mô hình để kiểm tra xem liệu mô hình có phù hợp nhất với vấn đề đã cho và dữ liệu tương ứng hay không. Keras mô hình cung cấp một chức năng, đánh giá mà không đánh giá của mô hình. Nó có ba đối số chính,

  • Dữ liệu thử nghiệm
  • Nhãn dữ liệu thử nghiệm
  • dài dòng - đúng hay sai

Chúng ta hãy đánh giá mô hình mà chúng ta đã tạo trong chương trước bằng cách sử dụng dữ liệu thử nghiệm.

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

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

Thực hiện đoạn mã trên sẽ xuất ra thông tin bên dưới.

0

Độ chính xác của bài kiểm tra là 98,28%. Chúng tôi đã tạo ra một mô hình tốt nhất để xác định các chữ số viết tay. Về mặt tích cực, chúng tôi vẫn có thể mở rộng phạm vi để cải thiện mô hình của mình.

Dự đoán mô hình

Predictionlà bước cuối cùng và là kết quả mong đợi của chúng tôi về việc tạo mô hình. Keras cung cấp một phương pháp, dự đoán để có được dự đoán của mô hình được đào tạo. Chữ ký của phương pháp dự đoán như sau,

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

Ở đây, tất cả các đối số là tùy chọn ngoại trừ đối số đầu tiên, tham chiếu đến dữ liệu đầu vào không xác định. Hình dạng nên được duy trì để có được dự đoán thích hợp.

Hãy để chúng tôi dự đoán cho mô hình MPL của chúng tôi đã tạo trong chương trước bằng cách sử dụng mã bên dưới:

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

print(pred) 
print(label)

Đây,

  • Line 1 gọi hàm dự đoán bằng cách sử dụng dữ liệu thử nghiệm.

  • Line 2 nhận được năm dự đoán đầu tiên

  • Line 3 nhận năm nhãn đầu tiên của dữ liệu thử nghiệm.

  • Line 5 - 6 in dự đoán và nhãn thực tế.

Kết quả của ứng dụng trên như sau:

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

Đầu ra của cả hai mảng là giống hệt nhau và nó chỉ ra rằng mô hình của chúng tôi dự đoán chính xác năm hình ảnh đầu tiên.