Avaliando um classificador
Para avaliar um classificador, precisamos testá-lo em imagens que não foram usadas durante o treinamento. Isso é chamado de “validação cruzada”: uma previsão da classe (por exemplo, camiseta, vestido ou sapato) é feita a partir de cada uma das imagens de teste, e essas previsões são comparadas com os rótulos reais dessas imagens.
Os resultados da validação cruzada são apresentados como matrizes codificadas em one-hot: test_labels e predictions.
Este exercício faz parte do curso
Modelagem de imagens com Keras
Instruções do exercício
- Multiplica as matrizes entre si e soma o resultado para descobrir o número total de previsões certas.
- Divida o número de respostas certas (a soma) pelo tamanho de uma matriz d
predictionss para calcular a proporção de previsões certas.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Calculate the number of correct predictions
number_correct = ____
print(number_correct)
# Calculate the proportion of correct predictions
proportion_correct = ____
print(proportion_correct)