我应该如何知道我的深度学习模型是否已准备好根据评估指标进行测试

如何解决我应该如何知道我的深度学习模型是否已准备好根据评估指标进行测试

我目前正在研究皮肤癌的分类问题。数据包含9个目标值，并使用密网训练模型20个纪元。模型文件已保存，并遵守评估指标。但是我想对自己所看到的内容充满信心，然后继续创建Flask应用程序并直接进行测试。最高的培训准确性为97％，验证准确性为87％。这是否意味着我的模型评估良好？这是采样权重后每个标签的价值计数。

AK          8503
VASC        8496
unknown     8493
nevus       8450
melanoma    8410
DF          8400
SCC         8245
BCC         8208
BKL         7443

这是我的模型文件的最佳记录。

best record: [epoch 11],[val loss 0.40036],[val acc 0.87697]

这是混乱矩阵，分类报告

confusion matrix

              precision    recall  f1-score   support

          AK       0.66      0.66      0.66       204
         BCC       0.79      0.91      0.85       700
         BKL       0.67      0.69      0.68       657
          DF       0.66      0.75      0.70        56
       nevus       0.68      0.73      0.70       126
        VASC       0.90      0.86      0.88        63
    melanoma       0.62      0.69      0.65      1067
         SCC       0.92      0.85      0.88      4497
     unknown       0.95      0.96      0.95      5425

    accuracy                           0.87     12795
   macro avg       0.76      0.79      0.77     12795
weighted avg       0.88      0.87      0.87     12795

请注意，在混淆矩阵中，SCC标签被错误地预测为黑色素瘤291次！这让我后退一步，再次质疑我的模型，因为它有点怪异。 我真的很感谢任何可以对模型进行一般观察的人。这将帮助我进行任何更改以获得更好的结果！非常感谢您的帮助。