keras下评估深度学习模型

本文框架：

一、自动评估

Keras可将数据集的一部分分成评估数据集，并在每个epoch中使用该评估数据集对模型进行评估。在实现上，可以通过将fit()函数的验证分割函数(validation_split)设置为数据集大小的百分比来实现。

二、手动评估

1.手动分离数据集并评估

Keras允许手动指定在训练期间进行验证的数据集。

2.K折交叉验证

机器学习评估模型的黄金 标准是K折交叉验证，但是太耗资源了。它提供了模型对未知数据性能的可靠估计。主要思路是：K折交叉验证的过程是将数据集分为k个子集，选择其中一个子集作为评估数据集，然后利用k-1个子集训练模型。重复这个过程，直到所有子集被赋予作为评估数据集的机会，采用k个模型评估结果的平均值作为模型最终评估结果。