Keras의 스트리밍 테스트 데이터에서 predict_generator로 예측을 얻는 방법은 무엇입니까?

에서 Keras 처음부터 훈련 convnets에 블로그 , 코드 쇼는 네트워크 교육 및 검증 데이터를 실행할 수 있습니다. 테스트 데이터는 어떻습니까? 유효성 검사 데이터가 테스트 데이터와 동일합니까? train 및 validation 폴더와 비슷한 줄에 별도의 테스트 폴더가있는 경우 테스트 데이터에 대한 혼동 행렬을 얻는 방법은 무엇입니까? 나는 이것을하기 위해 scikit learn 또는 다른 패키지를 사용해야한다는 것을 알고 있지만 테스트 데이터에 대한 클래스 현명한 확률 라인을 따라 무언가를 얻는 방법은 무엇입니까? 혼란 매트릭스에 이것을 사용하기를 희망합니다.

테스트 데이터에서 혼동 행렬을 얻으려면 다음 두 단계를 거쳐야합니다.

1. 테스트 데이터 예측

예를 들어, model.predict_generator테스트 생성기에서 처음 2000 개의 확률을 예측하는 데 사용 하십시오.

generator = datagen.flow_from_directory(
        'data/test',
        target_size=(150, 150),
        batch_size=16,
        class_mode=None,  # only data, no labels
        shuffle=False)  # keep data in same order as labels

probabilities = model.predict_generator(generator, 2000)

2. 라벨 예측을 기반으로 혼동 행렬 계산

예를 들어, 각각 1000 마리의 고양이와 1000 마리의 개가있는 경우와 확률을 비교하십시오.

from sklearn.metrics import confusion_matrix

y_true = np.array([0] * 1000 + [1] * 1000)
y_pred = probabilities > 0.5

confusion_matrix(y_true, y_pred)

테스트 및 검증 데이터에 대한 추가 참고 사항

Keras 문서는 훈련 데이터, 검증 데이터 및 테스트 데이터의 세 가지 데이터 세트를 사용합니다. 교육 데이터는 모델 매개 변수를 최적화하는 데 사용됩니다. 유효성 검사 데이터는 메타 매개 변수 (예 : 에포크 수)를 선택하는 데 사용됩니다. 메타 매개 변수가 최적 인 모델을 최적화 한 후에는 테스트 데이터를 사용하여 모델 성능을 공정하게 추정합니다.

여기 내가 시도하고 일한 코드가 있습니다.

pred= model.predict_generator(validation_generator, nb_validation_samples // batch_size)
predicted_class_indices=np.argmax(pred,axis=1)
labels = (validation_generator.class_indices)
labels2 = dict((v,k) for k,v in labels.items())
predictions = [labels[k] for k in predicted_class_indices]
print(predicted_class_indices)
print (labels)
print (predictions)

그런 다음 다음을 사용할 수 있습니다.

print (confusion matrix(predicted_class_indices,labels)

당신이 사용 확인 shuffle=False테스트 발생기 (내 경우에 그것의 검증 발전기) 및 사용하여 다시 validation_generator.reset()당신이 당신의 예측을하기 전에.

혼동 매트릭스의 경우 sklearn 패키지를 사용해야합니다. Keras가 혼동 행렬을 제공 할 수 있다고 생각하지 않습니다. 테스트 세트의 값을 예측하려면 model.predict () 메소드를 호출하여 테스트 세트에 대한 예측을 생성하십시오. 출력 값의 유형은 모델 유형, 즉 이산 또는 확률에 따라 다릅니다.