如何计算训练模型的混淆矩阵? (来自这段代码)
How to calculate confusion matrix for a training model ? (from this code)
如何计算这个训练模型的混淆矩阵?
model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
history = model.fit([encoder_input_data, decoder_input_data], decoder_target_data,
batch_size=batch_size,
epochs=epochs,
validation_split=0.2,
verbose=1)
model.summary()
假设您有训练集和测试集,并且 y_true
保持预期结果:
- 训练您的模型
- 将您的预测值存储在变量中
y_predicted
- 从 sklear (
from sklearn.metrics import confusion_matrix
) 导入 confusion_matrix
- 执行
confusion_matrix(y_true, y_predicted)
- 调优您的模型很有趣 ;)
如何计算这个训练模型的混淆矩阵?
model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
history = model.fit([encoder_input_data, decoder_input_data], decoder_target_data,
batch_size=batch_size,
epochs=epochs,
validation_split=0.2,
verbose=1)
model.summary()
假设您有训练集和测试集,并且 y_true
保持预期结果:
- 训练您的模型
- 将您的预测值存储在变量中
y_predicted
- 从 sklear (
from sklearn.metrics import confusion_matrix
) 导入 confusion_matrix - 执行
confusion_matrix(y_true, y_predicted)
- 调优您的模型很有趣 ;)