Évaluation d'un classificateur
Pour évaluer un classificateur, il est nécessaire de le tester sur des images qui n'ont pas été utilisées lors de l'entraînement. Ce processus est appelé « validation croisée » : une prédiction de la catégorie (par exemple, t-shirt, robe ou chaussure) est effectuée à partir de chacune des images de test, puis ces prédictions sont comparées aux étiquettes réelles de ces images.
Les résultats de la validation croisée sont fournis sous forme de tableaux codés en one-hot : test_labels et predictions.
Cet exercice fait partie du cours
Modélisation d'images avec Keras
Instructions
- Multipliez les tableaux entre eux et additionnez le résultat pour obtenir le nombre total de prédictions correctes.
- Divisez le nombre de réponses correctes (la somme) par la longueur du tableau d'
predictionss pour calculer la proportion de prédictions correctes.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Calculate the number of correct predictions
number_correct = ____
print(number_correct)
# Calculate the proportion of correct predictions
proportion_correct = ____
print(proportion_correct)