如何在DeepLearning中获得测试数据的分类器精度

Question

我正在尝试使用DL4J进行深度学习，并提供了带有标签的训练数据。然后，我尝试通过分配一个虚拟标签来发送测试数据。如果不提供虚拟标签，它会产生运行时错误。我不明白为什么我们需要给测试数据分配标签。

另外，我想知道预测的准确性是多少。根据我在dl4j文档中看到的，生成了一个称为混淆矩阵的东西。我理解这只是让我们了解训练数据对系统的训练效果如何。有没有办法在测试数据上获得预测的准确性？由于我们为测试数据提供了一个虚拟标签，我觉得混淆矩阵也没有正确生成。

Answer 1

首先，如果您不知道正确的标签是什么，如何测试网络是否输出了正确的标签？在训练和测试时，你应该总是有一个标签，因为这样你就可以断言输出是否正确。

第二个问题，我在dl4j网页上找到了这个：

Evaluation eval = new Evaluation(3);
INDArray output = model.output(testData.getFeatures());
eval.eval(testData.getLabels(), output);
log.info(eval.stats());

据称，此.stats()方法显示混淆矩阵条目(每行一个)、准确度、精确度、召回率和F1分数。此外，评估类还可以计算并返回以下值：

Confusion Matrix
False Positive/Negative Rate
True Positive/Negative
Class Counts
F-beta, G-measure, Matthews Correlation Coefficient and more

我希望这对你有帮助。

Answer 2

您可以在此处的DL4J开发人员社区中找到可以回答您的问题的人：https://gitter.im/deeplearning4j/deeplearning4j/tuninghelp