- Keras 深度学习教程
- 使用 Keras 进行深度学习 - 主页
- 使用 Keras 进行深度学习 - 简介
- 深度学习
- 设置项目
- 导入库
- 创建深度学习模型
- 编译模型
- 准备数据
- 训练模型
- 评估模型性能
- 根据测试数据进行预测
- 节约模型
- 加载预测模型
- 结论
- 使用 Keras 资源进行深度学习
- 使用 Keras 进行深度学习 - 快速指南
- 使用 Keras 进行深度学习 - 有用的资源
- 使用 Keras 进行深度学习 - 讨论
根据测试数据进行预测
预测看不见的数据中的数字非常容易。您只需将模型传递给由未知数据点组成的向量来调用模型的Predict_classes方法即可。
predictions = model.predict_classes(X_test)
该方法调用返回向量中的预测,可以根据实际值测试 0 和 1。这是使用以下两个语句完成的 -
correct_predictions = np.nonzero(predictions == y_test)[0] incorrect_predictions = np.nonzero(predictions != y_test)[0]
最后,我们将使用以下两个程序语句打印正确和错误预测的计数 -
print(len(correct_predictions)," classified correctly") print(len(incorrect_predictions)," classified incorrectly")
当您运行代码时,您将得到以下输出 -
9837 classified correctly 163 classified incorrectly
现在,由于您已经满意地训练了模型,我们将保存它以供将来使用。