Evaluación de un clasificador
Para evaluar un clasificador, necesitamos probarlo con imágenes que no se hayan utilizado durante el entrenamiento. Esto se denomina «validación cruzada»: se realiza una predicción de la clase (por ejemplo, camiseta, vestido o zapato) a partir de cada una de las imágenes de prueba, y estas predicciones se comparan con las etiquetas reales de estas imágenes.
Los resultados de la validación cruzada se proporcionan como arreglos codificados como «one-hot»: test_labels y predictions.
Este ejercicio forma parte del curso
Modelado de imágenes con Keras
Instrucciones del ejercicio
- Multiplica los arreglos entre sí y suma el resultado para encontrar el número total de predicciones correctas.
- Divide el número de respuestas correctas (la suma) por la longitud de un arreglo de e
predictionss para calcular la proporción de predicciones correctas.
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# Calculate the number of correct predictions
number_correct = ____
print(number_correct)
# Calculate the proportion of correct predictions
proportion_correct = ____
print(proportion_correct)