Оценка классификатора
Чтобы оценить качество классификатора, необходимо протестировать его на изображениях, которые не использовались при обучении. Этот подход называется «кросс-валидацией»: для каждого тестового изображения модель предсказывает класс (например, футболка, платье или туфля), а затем эти предсказания сравниваются с истинными метками.
Результаты кросс-валидации представлены в виде массивов с унитарным кодированием (one-hot encoding): test_labels и predictions.
Это упражнение является частью курса
Моделирование изображений с помощью Keras
Инструкции к упражнению
- Перемножьте массивы между собой и найдите сумму результата, чтобы определить общее количество правильных предсказаний.
- Разделите количество правильных ответов (сумму) на длину массива
predictions, чтобы вычислить долю правильных предсказаний.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Calculate the number of correct predictions
number_correct = ____
print(number_correct)
# Calculate the proportion of correct predictions
proportion_correct = ____
print(proportion_correct)