如何在测试集中找到错误预测的案例（使用Keras的CNNs）

Question

我正在使用60000张训练图像和10000张测试图像的MNIST示例。 我该如何找到那些被错误分类/预测的10000个测试图像？

我该如何确定哪些测试图像被错误分类或预测了？

- user3796320

Answer 1

只需使用 model.predict_classes() 并将输出与真实标签进行比较，即：

incorrects = np.nonzero(model.predict_class(X_test).reshape((-1,)) != y_test)

获取错误预测的索引

- S.Mohsen sh

---

我该如何在每个类别文件夹中生成一个子文件夹，其中包含错误分类的案例？ - Joaquín Fernández

如果x，y是numpy，请查看答案。 - Sayan Dey

Answer 2

前面有一些不太清楚的内容需要编辑

要识别被错误分类的图片文件，您可以使用以下方法：

fnames = test_generator.filenames ## fnames is all the filenames/samples used in testing
errors = np.where(y_pred != test_generator.classes)[0] ## misclassifications done on the test data where y_pred is the predicted values
for i in errors:
    print(fnames[i])

- SnigA

---

所有的变量是什么？ - fdermishin

我怎么才能在图像名称旁边打印出实际类和预测类？ - Hardik Raval

当我打印 fnames 时，它会多次打印相同的文件名。有任何更新吗？ - Hello-experts