如何在 CNN 中找到模型的准确性？答案

【问题标题】：How to find accuracy of a model in CNN?如何在 CNN 中找到模型的准确性？
【发布时间】：2019-06-20 20:18:14
【问题描述】：

我想找到一个定制的 CNN 模型的准确性。我有类变量（y_test）的权重（w）、损失值（l）和测试数据（x_test）。权重不能调整，它们应该保持不变。它就像一个单层前馈神经网络。

我想完成这个功能，以提供与 Keras 相同的准确性。

编辑1：二元类分类问题。

  def accuracy(x_test,y_test,w,l):
     y_pred=numpy.dot(x_test,w)
     acc=...
     return acc

如何像在 Keras 或任何其他 API 中一样完成准确性声明？

【问题讨论】：

你想找到测试准确度，对吧？您可以创建一个测试数据集并对其进行测试，并将它们与正确的输出进行比较。然后只需获得平均准确率。
既然是二分类问题，我不会达到绝对值。那怎么比较呢？

标签： python neural-network keras

【解决方案1】：

如果你想要类似于keras的东西，你只需要关心y_test和y_pred（y_test是y_true）：

def acc(y_true, y_pred):
    return np.equal(np.argmax(y_true, axis=-1), np.argmax(y_pred, axis=-1)).mean()

这是我的 POC：

import numpy as np

# y_test onehot encoded
y_test = np.array([[1, 0, 0],[0, 1, 0],[0, 0, 1], [0, 1, 0], [1, 0, 0]])
y_pred = np.random.random((5,3))

print("y_true: " + str(np.argmax(y_test, axis=-1)))
print("y_pred: " + str(np.argmax(y_pred, axis=-1)))

def acc(y_true, y_pred):
    return np.equal(np.argmax(y_true, axis=-1), np.argmax(y_pred, axis=-1)).mean()

print("accuracy: " + str(acc(y_test, y_pred)))

结果：

y_real: [0 1 2 1 0]
y_pred: [1 1 0 1 0]
accuracy: 0.6

更新 1： 因为它是用于二进制分类，所以函数将是这样的：

def acc(y_true, y_pred):
    return np.equal(y_true, np.round(y_pred)).mean()

POC：

import numpy as np

y_test = np.array([1, 0, 0, 1, 0])
y_pred = np.random.random((5))

print("y_true: " + str(y_test))
print("y_pred: " + str(np.round(y_pred).astype(int)))

def acc(y_true, y_pred):
    return np.equal(y_true, np.round(y_pred)).mean()

print("accuracy: " + str(acc(y_test, y_pred)))

【讨论】：

损失值在这里的作用是什么？
你不需要损失来找到准确度。
如果您的值介于 0 和 1 之间，请使用 np.round()，否则在 np.round() 之前应用 sigmoid 函数

【解决方案2】：

如果我没记错的话，您可以将您的 actual 和 predicted 值传递给 scoring 函数，该函数位于 mlxtend 库中。

查看Scoring - mlxtend 以获得更多解释。

【讨论】：