Das unten definierte neuronale Netzwerk wird verwendet, um den Datensatz im Bild zu klassifizieren: .
Simulationsstatistiken deuten darauf hin, dass die Klassifikationsgenauigkeit 50% beträgt. Meine Frage lautet also: Woher weiß ich, welche Fälle des Datensatzes nicht korrekt klassifiziert wurden?Falsch klassifizierte Fälle in einer binären Klassifikationsherausforderung (in Keras)
from keras.models import Sequential
from keras.layers import Dense
from sklearn.cross_validation import train_test_split
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
dataset = numpy.loadtxt("sorted output.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:,0:3]
Y = dataset[:,3]
# split into 67% for train and 33% for test
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=seed)
# create model
model = Sequential()
model.add(Dense(12, input_dim=3, init='uniform', activation='relu'))
model.add(Dense(3, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X_train, y_train, validation_data=(X_test,y_test), nb_epoch=150, batch_size=10)
Was meinen Sie mit Simulationsstatistiken? Sie können einfach die Vorhersage-Methode für Ihre Test- oder Trainingsdaten aufrufen und diese dann mit der Grundwahrheit vergleichen. – marcopah
Ich erhalte eine Klassifizierungsgenauigkeit von 50% für meine Testdaten (val_acc). Dies bedeutet, dass die Hälfte der Testdaten nicht korrekt klassifiziert ist. Ich würde einfach wissen, welche Spuren meines Datensatzes vom NN nicht korrekt klassifiziert wurden. Können Sie bitte genauer sein? Danke im Voraus – Adriano10