deep-learning - 如何在深度学习中获得分类器对测试数据的准确性

Question

我正在尝试使用 DL4J 进行深度学习，并提供了带有标签的训练数据。然后我试图通过分配一个虚拟标签来发送测试数据。如果不提供虚拟标签，则会出现运行时错误。我不明白为什么我们需要为测试数据分配标签。
另外，我想知道预测的准确性是多少。根据我在 dl4j 文档中看到的内容，生成了一种称为混淆矩阵的东西。我知道这只是让我们了解训练数据对系统的训练效果如何。有没有办法获得对测试数据的预测准确性？由于我们为测试数据提供了一个虚拟标签，我觉得混​​淆矩阵也没有正确生成。

Answer 1

首先，如果您不知道正确的标签是什么，如何测试网络是否输出正确的标签？在训练和测试时你应该总是有一个标签，因为这样你就可以断言输出是否正确。

第二个问题，我在 dl4j 网页上找到了这个：

Evaluation eval = new Evaluation(3);
INDArray output = model.output(testData.getFeatures());
eval.eval(testData.getLabels(), output);
log.info(eval.stats());

据说该.stats()方法显示混淆矩阵条目（每行一个）、准确度、精确度、召回率和 F1 分数。此外，评估类还可以计算并返回以下值：

Confusion Matrix
False Positive/Negative Rate
True Positive/Negative
Class Counts
F-beta, G-measure, Matthews Correlation Coefficient and more

我希望这可以帮助你。

Answer 2

您可以在此处的 DL4J 开发社区中找到可以回答您问题的人：https ://gitter.im/deeplearning4j/deeplearning4j/tuninghelp