如何在测试集中找到错误的预测案例(使用Keras的CNN) [英] How to find wrong prediction cases in test set (CNNs using Keras)

问题描述

我使用的是MNIST示例，其中包含60000个训练图像和10000个测试图像.如何找到10000个测试图像中哪个分类/预测不正确?

I'm using MNIST example with 60000 training image and 10000 testing image. How do I find which of the 10000 testing image that has an incorrect classification/prediction?

推荐答案

只需使用model.predict_classes()并将输出与真实标签进行比较.即:

Simply use model.predict_classes() and compare the output with true labes. i.e:

incorrects = np.nonzero(model.predict_class(X_test).reshape((-1,)) != y_test)

获取错误预测的索引

这篇关于如何在测试集中找到错误的预测案例(使用Keras的CNN)的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！