用tensorflow获得真阳性、假阳性、假阴性和真阴性的列表

Question

这是我的工作：

• I注释了“活的”细胞(约8.000)和“死的”细胞(大约2.000)的图像(测试集为+ 800和200 )，使用
• (带有tensorflow和keras)，以便将图像分类为“活的”或“死的”。
• 训练了我的模型:验证损失= 0.35，回忆= 0.81，准确性=0.81。

问题是:我如何获得分类为“活着”或“死亡”的图像列表，这样我就可以检查它们(也许有些图像不在正确的文件夹中)？或者模型对特定类型的图像有问题?)

请你告诉我，如果你有什么线索可以解决这个问题吗？

好心你的。

Answer 1

对于二进制分类的情况，可以取真标签的向量和预测的标签之间的区别。差异向量将包含它正确分类的零点，-1表示假阳性，1表示假阴性。例如，您可以使用np.where查找假阳性和其他什么的索引。

要获得假阳性和假阴性等索引，您可以简单地这样做：

import numpy as np 

real = np.array([1,0,0,1,1,1,1,1])
predicted = np.array([1,1,0,0,1,1,0,1])

diff = real-predicted
print('diff: ',diff)

# Correct is 0 
# FP is -1 
# FN is 1
print('Correctly classified: ', np.where(diff == 0)[0])
print('Incorrectly classified: ', np.where(diff != 0)[0])
print('False positives: ', np.where(diff == -1)[0])
print('False negatives: ', np.where(diff == 1)[0])

产出：

diff:  [ 0 -1  0  1  0  0  1  0]
Correctly classified:  [0 2 4 5 7]
Incorrectly classified:  [1 3 6]
False positives:  [1]
False negatives:  [3 6]