如何在测试集中查找错误预测的案例(使用Keras的CNNs)

我正在使用包含60000张训练图像和10000张测试图像的MNIST示例。我如何找出这10000张测试图像中哪些被错误分类或预测?


回答:

只需使用model.predict_classes()并将输出与真实标签进行比较。例如:

incorrects = np.nonzero(model.predict_class(X_test).reshape((-1,)) != y_test)

以获取错误预测的索引

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注