machine-learning - 如何计算keras中的错误百分比

我使用keras并设置机器学习模型来预测我的数据。

K.clear_session()

model = Sequential()
model.add(Dense(3, input_dim=1, activation='relu'))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(X_train, y_train, epochs=500,
          batch_size=2, verbose=1,
          )

model.fit之后的输出显示损失，例如损失：0.0382。我不知道平均损失是什么：0.0382。训练数据和测试数据之间有多少百分比的误差？如何计算？

最佳答案

您已使用mean_squared_error（mse）丢失功能。

MSE评估估计器（即，将数据样本映射到从中采样数据的总体参数的数学函数）或预测器（即将任意输入映射到某些值样本的函数）的质量随机变量）。

Formula for MSE

对于一个好的模型，MSE必须较低。降低MSE可以使模型更好。

在训练中，您损失了0.0382。很好

在Keras中，还有另一个名为mean_absolute_percentage_error的损失函数。如果要通过训练和测试来了解模型的百分比误差，可以使用mean_absolute_percentage_error作为损失函数来编译模型。

如果要在编译和训练后根据模型的准确性评估模型，可以使用evaluate()函数。

scores = model.evaluate(X_validation, Y_validation, verbose=1)
print("Accuracy: %.2f%%" % (scores[1]*100))

关于machine-learning - 如何计算keras中的错误百分比，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/47060877/