Wie Prozent des Fehlers in Keras zu berechnen

Question

Ich benutze Keras und Maschine Lernmodell, um meine Daten so zu prognostizieren.

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, 
     ) 

Ausgabe nach model.fit zeigen Verlust wie Verlust: 0,0382. Ich weiß nicht, was ist gemein Verlust: 0,0382. Wie viele Prozent Fehler zwischen Zug- und Testdaten? Wie man rechnet ?

Answer 1

Sie mean_squared_error (mse) Verlustfunktion verwendet haben. Der MSE bewertet die Qualität eines Schätzers (dh eine mathematische Funktion, die eine Stichprobe von Daten einem Parameter der Population zuordnet, aus der die Daten abgetastet werden) oder einen Prädiktor (dh eine Funktion, die willkürliche Eingaben zu einer Stichprobe mappt von Werten einer Zufallsvariablen).

Formula for MSE

MSE muss für ein gutes Modell niedrig sein. Verringern Sie den MSE besser das Modell.

In Ihrer Ausbildung bekam man einen Verlust von 0.0382. Was ziemlich gut ist.

In Keras gibt es eine weitere Verlustfunktion mean_absolute_percentage_error benannt. Sie können das Modell mit mean_absolute_percentage_error als Verlustfunktion kompilieren, wenn Sie den prozentualen Fehler des Modells mit Zug und Test wissen möchten.

Wenn Sie das Modell nach der Kompilierung und dem Training basierend auf der Genauigkeit des Modells auswerten möchten, können Sie die Funktion evaluate() wie folgt verwenden.

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