machine-learning - 如何计算keras中的错误百分比

Question

我使用keras并设置机器学习模型来预测我的数据，如下所示。

K.clear_session()

model = Sequential()
model.add(Dense(3, input_dim=1, activation='relu'))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(X_train, y_train, epochs=500,
          batch_size=2, verbose=1,
          )

model.fit后的输出显示损失，例如损失:0.0382。我不知道什么是损失:0.0382。训练数据和测试数据之间的误差是多少？如何计算？

Answer 1

您已使用mean_squared_error (mse)损失函数。

MSE 评估估计器(即，将数据样本映射到从中采样数据的总体参数的数学函数)或预测器(即，将任意输入映射到样本的函数)的质量某些随机变量的值)。

Formula for MSE

对于一个好的模型来说，

MSE 必须较低。降低 MSE 可以使模型更好。

在训练中，您的损失为 0.0382。这相当不错。

在 Keras 中，还有另一个名为 mean_absolute_percentage_error 的损失函数。如果您想了解训练和测试模型的百分比误差，可以使用 mean_absolute_percentage_error 作为损失函数来编译模型。

如果你想根据模型的准确率来评估编译和训练后的模型，你可以使用 evaluate() 函数，如下所示。

scores = model.evaluate(X_validation, Y_validation, verbose=1)
print("Accuracy: %.2f%%" % (scores[1]*100))