预测模型的精度

Question

我想得到我的模型预测x_test标签的准确性

   from __future__ import print_function
    from keras.models import Sequential
    from keras.layers import Dense
    import keras
    import numpy as np
    model = Sequential()
    model.add(Dense(2000, input_dim=3072, activation='relu'))
    model.add(Dense(500, activation='relu'))
    model.add(Dense(66, activation='softmax'))
    model.fit(x_train,y_train, epochs=100, batch_size=128)
    scores = model.evaluate(x_train, y_train)
    print("\n%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))

现在我想得到预测的精确性

predictions = model.predict(x_test)

我试过：

  print("\n%s: %.2f%%" % (model.metrics_names[1], predictions*100))

我发现了以下错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-262-edbcf292f31c> in <module>()
----> 1 print("\n%s: %.2f%%" % (model.metrics_names[1], predictions*100))

TypeError: float argument required, not numpy.ndarray

Answer 1

model.predict生成一个与float完全不同的numpy.array。您可以尝试使用print(predictions)打印该字符串，但是在这种情况下，在float中使用格式化字符串绝对行不通。尝试：

print("\n%s:" % (model.metrics_names[1]))
print(100 * predictions)

或

print("\n%s: %s" % (model.metrics_names[1], np.array_str(predictions*100)))

或者如果你在x_test中只有一个病例

print("\n%s: %.2f%%" % (model.metrics_names[1], predictions[0]*100))