Évaluer un classificateur
Pour évaluer un classificateur, il faut le tester sur des images qui n'ont pas été utilisées pendant l'entraînement. On parle ici de « validation croisée » : on effectue une prédiction de la classe (p. ex., t-shirt, robe ou soulier) pour chacune des images de test, puis on compare ces prédictions aux véritables étiquettes de ces images.
Les résultats de la validation croisée sont fournis sous forme de tableaux codés one-hot : test_labels et predictions.
Cette activité fait partie du cours
Modélisation d'images avec Keras
Instructions de l’exercice
- Multipliez les tableaux entre eux et faites la somme du résultat pour obtenir le nombre total de prédictions correctes.
- Divisez le nombre de bonnes réponses (la somme) par la longueur du tableau
predictionspour calculer la proportion de prédictions correctes.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Calculate the number of correct predictions
number_correct = ____
print(number_correct)
# Calculate the proportion of correct predictions
proportion_correct = ____
print(proportion_correct)