我想绘制这个简单的神经网络的输出:
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
history = model.fit(x_test, y_test, nb_epoch=10, validation_split=0.2, shuffle=True)
model.test_on_batch(x_test, y_test)
model.metrics_names
我已经绘制了准确性以及训练和验证的损失:
print(history.history.keys())
# "Accuracy"
plt.plot(history.history['acc'])
plt.plot(history.history['val_acc'])
plt.title('model accuracy')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(['train', 'validation'], loc='upper left')
plt.show()
# "Loss"
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('model loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.legend(['train', 'validation'], loc='upper left')
plt.show()
现在,我想从中添加并绘制测试集的精度model.test_on_batch(x_test, y_test)
,但是从中model.metrics_names
我获得了用于在训练数据上绘制精度的相同值“ acc”plt.plot(history.history['acc'])
。如何绘制测试仪的精度?
这是相同的,因为你正在测试集上训练,而不是在训练集上训练。不要那样做,只需在训练集上进行训练即可:
history = model.fit(x_test, y_test, nb_epoch=10, validation_split=0.2, shuffle=True)
变成:
history = model.fit(x_train, y_train, nb_epoch=10, validation_split=0.2, shuffle=True)
抱歉,我一直都使用训练集来训练NN,这是一个疏忽。我是机器学习的新手,我对的结果有些困惑
model.fit( ... )
,我得到loss, acc,val__loss和 val__acc,我认为值代表了损失以及训练和验证的准确性,但是在哪里可以找到损失的值关于测试?@Simone您可以在测试集上使用model.evaluate获取测试集的损失和度量。只要确保您使用正确的变量即可。
我已经使用model.evaluete,我也得到准确性和损失,而是因为我无法分辨,我不能绘制出来 准确性培训获得,从精度上测试得到的。
@Simone你是什么意思无法区分?
我应该具有培训的准确性,验证的准确性和测试的准确性;但是我只得到两个值:val__acc 和acc,分别用于验证和训练。从
model.evaluate(x_test, y_test)
model.metrics_names
我那里获得acc,就像训练一样。我究竟做错了什么?