如何在深度学习中获得分类器对测试数据的准确性答案

【问题标题】：How to get the accuracy of classifier on test data in DeepLearning如何在深度学习中获得分类器对测试数据的准确性
【发布时间】：2018-10-16 05:59:46
【问题描述】：

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。然后我试图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，则会出现运行时错误。我不明白为什么我们需要为测试数据分配标签。
另外，我想知道预测的准确性是多少。根据我在 dl4j 文档中看到的内容，生成了一种称为混淆矩阵的东西。我知道这只是让我们了解训练数据对系统的训练效果如何。有没有办法获得对测试数据的预测准确性？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。

【问题讨论】：

标签： deep-learning deeplearning4j dl4j

【解决方案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());

据说.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，Evaluation Class 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

希望对你有帮助。

【讨论】：

感谢诺瓦克的快速回答...我仍然不清楚为什么我们应该提供带有测试数据的标签？对于训练数据，提供标签是可以理解的。但是对于测试数据，分类器应该预测标签 - 不是吗？
分类器也在训练中预测标签。在训练中，您告诉分类器预测标签，然后将预测标签与真实（正确）标签进行比较。此外，在训练中，您执行反向传播。测试阶段用于评估您的模型训练得如何以及它的表现如何。它还需要有标签才能做到这一点。但是在测试阶段，你不执行反向传播，因为在那个阶段，模型不再学习，你只想看看它的表现如何。我希望现在更清楚了。

【解决方案2】：

您可以在此处的 DL4J 开发社区中找到可以回答您问题的人：https://gitter.im/deeplearning4j/deeplearning4j/tuninghelp

【讨论】：