python - 从 Keras model.predict_generator 计算准确性

Question

我有 Keras 模型，我想使用我的测试数据对其进行评估。当我使用 keras model.evaluate_generator 时，我得到了它返回的 loss 和 acc，我可以打印百分比精度，如下所示:

loss, acc = model.evaluate_generator(test_gen, steps=evaluation_steps)
print("\n%s: %.2f%%" % (model.metrics_names[1], acc * 100))

结果约为 92%。
因为我想创建一个混淆矩阵(也看看我有多少误报和漏报)，所以我将代码更改为:

predictions = model.predict_generator(test_gen, steps=evaluation_steps)
y_pred = np.argmax(predictions, axis=1)
y_true = np.argmax(labels, axis=1)
confusion_matrix(y_true, y_pred)

我用这个得到了正确的混淆矩阵。但是，我仍然希望显示 92%，我可以从 预测 中获取它吗？

Answer 1

可以通过 y_pred 和 y_true 以简单的方式计算准确度；下面是一个用于 3 类分类的虚拟数据示例:

import numpy as np

y_true = np.array([2, 0, 2, 2, 0, 1])
y_pred = np.array([0, 0, 2, 2, 1, 2])

这里简单的目视检查告诉我们，我们的准确度应该是 0.5 (50%)；所以:

l = len(y_true)
acc = sum([y_pred[i]==y_true[i] for i in range(l)])/l
acc
# 0.5