训练和测试准确度避免了过拟合,并有98%的验证准确度,但分类报告始终显示为0.01%?

我使用CNN完成了水果检测图像分类问题,我已经完成了从训练到模型拟合的所有步骤,我的准确度和验证准确度几乎达到100%,但当我尝试打印模型的分类报告和混淆矩阵时,总是显示精确度、召回率和最终准确度为0.01%,混淆矩阵也非常奇怪。为什么会这样,请帮帮我。代码在代码部分可用。谢谢你。

这是我的水果分类代码


回答:

你的测试数据被打乱了,这就是为什么分类报告显示的准确度较低。使用

shuffle=False 

在预测时对测试集设置,这样可以保持预测的顺序,从而与正确的真实值进行比较。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注