如何在Keras中找到錯誤的預測？

Question

我建立了一個Keras模型，用於從文本輸入的原始輸入中提取信息。 我的准確度是0.9869。 我怎么知道哪個訓練數據使准確性降低？ 我在下面粘貼了我正在使用的代碼。

import numpy as np  
from keras.models import Model, load_model
from keras.layers import Input, Dense, LSTM, Activation, Bidirectional, Dot, Flatten
from keras.callbacks import ModelCheckpoint

x_nyha = np.load("data/x_nyha.npy")
y_nyha = np.load("data/y/y_nyha.npy")
print(x_nyha.shape)
print(y_nyha.shape)


input_shape = x_nyha.shape[1:3]

X = Input(shape=input_shape)
A = Bidirectional(LSTM(512, return_sequences=True), merge_mode='concat')(X)
D = Dense(900, activation='relu')(A)
E = Dense(1, activation='sigmoid')(D)
Y = Flatten()(E)
model = Model(X, Y)
model.summary()

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])


batch_size = 128
num_epochs = 50


model.fit(x_nyha, y_nyha, batch_size=batch_size, epochs=num_epochs, verbose=1)

Answer 1

我認為最簡單的方法是：根據訓練數據訓練模型，根據訓練數據進行預測，並查看預測錯誤的訓練樣本。

代碼示例：

model.fit(x_nyha, y_nyha, batch_size=batch_size, epochs=num_epochs, verbose=1)
prediction = np.round(model.predict(x_nyha))
wrong_predictions = x_nyha[prediction != y_nyha]

這樣， wrong_predictions包含行，您的預測為錯誤的行。