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
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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。