如何在Keras中验证预测

Question

我正在阅读Kaggle Digit Recognizer教程，并且试图了解所有这些工作原理。 我想验证一个预测值。 基本上，我有一个错误的预测，但是我想看看该预测的实际价值是什么。 我想我还有一段路要走：

...

df = pd.read_csv('data/train.csv')

labels = df['label'].values
x_train = df.drop(columns=['label']).values / 255
# trying to produce a crappy dataset for train/test
x_train, x_test, y_train, y_test = train_test_split(x_train, labels, test_size=0.95)


# Purposely trying to get a crappy model so I can learn about validation
model = tf.keras.models.Sequential()
# model.add(tf.keras.layers.Flatten())
# model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(10, activation=tf.nn.softmax))
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

model.fit(x_train, y_train, epochs=1)
predictions = model.predict([x_test])


index_to_predict = 0
print('Prediction: ', np.argmax(predictions[index_to_predict]))
print('Actual:     ', predictions.argmax(axis=-1)[index_to_predict])
print(predictions.shape)
vals = x_test[index_to_predict].reshape(28, 28)
plt.imshow(vals)

这将产生以下结果：

如何获得真正的“预测在这里”和“实际在这里”细分？ 我关于实际的逻辑肯定是不正确的。

Answer 1

真实标签（有时也称为目标值或地面真实标签）存储在y_train和y_test ，分别用于训练和测试集。 因此，您可以轻松地打印出来以找到真正的标签：

print('Actual:', y_test[index_to_predict])

Answer 2

y_test[index_to_predict]

将有实际的标签和

predictions[index_to_predict]

应该具有您每个类别的预测概率值。