Valutare un classificatore
Per valutare un classificatore, dobbiamo testarlo su immagini che non sono state usate durante l’addestramento. Questo si chiama "cross-validation": per ciascuna immagine di test si produce una previsione della classe (ad esempio, t-shirt, abito o scarpa) e queste previsioni vengono confrontate con le etichette reali di tali immagini.
I risultati della cross-validation sono forniti come array one-hot encoded: test_labels e predictions.
Questo esercizio fa parte del corso
Image Modeling with Keras
Istruzioni dell'esercizio
- Moltiplica gli array tra loro e somma il risultato per trovare il numero totale di previsioni corrette.
- Dividi il numero di risposte corrette (la somma) per la lunghezza dell’array
predictionsper calcolare la proporzione di previsioni corrette.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Calculate the number of correct predictions
number_correct = ____
print(number_correct)
# Calculate the proportion of correct predictions
proportion_correct = ____
print(proportion_correct)