在未指定验证集或验证分割时,Keras是如何计算准确率和损失的?

当我们执行以下代码时:

model.compile(Adam(lr=0.0001),loss='sparse_categorical_crossentropy',metrics=['accuracy'])model.fit(train_sample, label, batch_size=10, nb_epoch=25, verbose=2)

损失和准确率(如输出 loss: 0.6971 - acc: 0.4965)是基于哪些数据计算的?是Keras自动生成验证集,还是仅仅基于训练数据给出误差?


回答:

如果你添加一个浮点数来指定验证分割,它会输出一个单独的验证集上的验证损失。如果你没有提供验证数据,默认情况下,像你这样的情况,则返回训练损失的运行平均值。

fit函数的详细信息请参见: https://keras.io/models/model/#fit

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