版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:
https://blog.csdn.net/DoReAGON/article/details/88552348
model.evaluate
输入数据
和标签
,输出损失
和精确度
.
# 评估模型,不输出预测结果
loss,accuracy = model.evaluate(X_test,Y_test)
print('\ntest loss',loss)
print('accuracy',accuracy)
- 1
- 2
- 3
- 4
model.predict
输入测试数据
,输出预测结果
(通常用在需要得到预测结果的时候)
#模型预测,输入测试集,输出预测结果
y_pred = model.predict(X_test,batch_size = 1)
- 1
- 2
两者差异
1
输入输出
不同
model.evaluate输入数据(data)
和金标准(label)
,然后将预测结果与金标准相比较,得到两者误差并输出.
model.predict输入数据(data)
,输出预测结果
2
是否需要真实标签(金标准)
model.evaluate需要,因为需要比较预测结果与真实标签的误差
model.predict不需要,只是单纯输出预测结果,全程不需要金标准的参与.
</div>
<link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-b6c3c6d139.css" rel="stylesheet">
</div>