質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.23%

kerasで各ラベルに対するCNNの精度を見たい。

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 710

Uta_fai

score 18

前提・実現したいこと

KerasによるCNNの実装で、各ラベルに対する精度を出力したいです。

該当のソースコード

from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
import keras
from keras import backend as K
from keras.layers.advanced_activations import LeakyReLU
import pickle
import numpy as np
from keras.utils import np_utils
from sklearn.preprocessing import MinMaxScaler
from keras import optimizers
from sklearn.model_selection import StratifiedKFold
from sklearn.model_selection import train_test_split

memory=[]#memorize history
LR=keras.layers.LeakyReLU(alpha=0.3)
# difine sgd
sgd= optimizers.SGD(lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)
adagrad=optimizers.Adagrad(lr=0.001, epsilon=None, decay=0.0)

batch_size =32
num_classes=5
epochs=2000

with open('datawh',mode='rb') as f:
       X=pickle.load(f)
with open('labelwh',mode='rb')as f:
       Y=pickle.load(f)

X= np.array(X).astype('float32')
Y= np.array(Y).astype('int32')

x_train, x_test, y_train, y_test = train_test_split(X, Y, train_size=0.8, random_state=2)



print(x_train.shape)
print(x_test.shape)

x_train = np.expand_dims(x_train,axis=-1)
x_test = np.expand_dims(x_test,axis=-1)
y_train= np_utils.to_categorical(y_train,num_classes)
y_test = np_utils.to_categorical(y_test,num_classes)

input_shape=(274,30,1)


model = Sequential()
model.add(Conv2D(32, kernel_size=(3,3),
               activation='tanh',
               input_shape=input_shape))
model.add(Conv2D(32, (3, 3), activation='tanh'))
model.add(MaxPooling2D(pool_size=(5,3)))
model.add(Conv2D(32, (3, 3), activation='tanh'))
model.add(Conv2D(32, (3, 3), activation='tanh'))
model.add(MaxPooling2D(pool_size=(5,3)))
model.add(Dropout(0.5))
model.add(Flatten())
model.add(Dense(num_classes, activation='softmax',init='glorot_normal'))


model.compile(loss=keras.losses.categorical_crossentropy,
            optimizer=sgd,
            metrics=['accuracy'])
model.summary()

history = model.fit(x_train, y_train, batch_size=batch_size, epochs=epochs,
        verbose=0,validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)

print('finish')

補足情報(FW/ツールのバージョンなど)

GoogleColab上で処理を行なっています。
Kerasで5種のラベルに対する各々精度を出力できるようにしたいです。
回答よろしくお願いします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

スマートなやり方ではないですが、以下のコードでできると思います。
ちなみに精度は各ラベルに対して(そのラベルの正解数)÷(そのラベルの総数)として算出しています。

predictions = model.predict(x_test) # モデルの出力取得
correct_count = [0] * num_classes
count = [0] * num_classes

for i in range(predictions.shape[0]):
    prediction = np.argmax(predictions[i]) # モデルの予測ラベル取得
    answer = y_test[i]
    count[answer] += 1
    if prediction == answer:
        correct_count[answer] += 1 # 正解数カウント

accuracy = [correct/N for correct, N in zip(correct_count, count)] # 精度算出

for label, acc in enumerate(accuracy):
    print('accuracy for label {} : {}'.format(label, acc))

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/11/25 16:18

    ありがとうございます。出力結果の取り扱いかたの勉強になりました。
    試してみます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.23%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる