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!

新規登録して質問してみよう
ただいま回答率
85.50%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

CNN (Convolutional Neural Network)

CNN (Convolutional Neural Network)は、全結合層のみではなく畳み込み層とプーリング層で構成されるニューラルネットワークです。画像認識において優れた性能を持ち、畳み込みニューラルネットワークとも呼ばれています。

NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

1回答

2353閲覧

accuracyの値と混同行列の結果が一致しない

rest

総合スコア18

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

CNN (Convolutional Neural Network)

CNN (Convolutional Neural Network)は、全結合層のみではなく畳み込み層とプーリング層で構成されるニューラルネットワークです。画像認識において優れた性能を持ち、畳み込みニューラルネットワークとも呼ばれています。

NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2020/07/13 08:49

編集2020/07/13 09:42

下記のコードを実行しても、accuracyの値と混同行列の結果が一致しません。
accuracy: 0.9191
loss: 0.2799
accとlossが上記の値であることに対して、混同行列は以下のようになりました。
これでは、acc : 0.466 になってしまいます。

import numpy as np import matplotlib.pyplot as plt from sklearn.metrics import confusion_matrix predict_classes =np.argmax(predict_proba,axis=1) true_label = test_generator.classes cm = metrics.confusion_matrix(true_label, predict_classes) print(cm)
[[ 2 40 30] [ 30 470 368] [ 30 405 319]]

また、accuracyとlossは以下のように計算しました。

#data generate test_datagen=ImageDataGenerator(rescale=1.0/255) test_generator=test_datagen.flow_from_directory( test_dir, target_size=(224,224), batch_size=batch_size, classes=classes, class_mode='categorical', shuffle=True ) #evaluate model score=model.evaluate_generator(test_generator) print('\n test loss:',score[0]) print('\n test_acc:',score[1])

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

aokikenichi

2020/07/13 09:19

「accuracy: 0.9191」 はどのように計算したのでしょうか それがないとなんとも言えません
rest

2020/07/13 09:43

依頼承りました。 質問の閲覧ありがとうございます。
aokikenichi

2020/07/13 23:46

たしかにおかしいですね ただ、例示いただいたコード from sklearn.metrics import confusion_matrix (中略) cm = metrics.confusion_matrix(true_label, predict_classes) だと動かず cm = confusion_matrix(true_label, predict_classes) ですね。 その他転記違いとかないでしょうか
rest

2020/07/14 00:32

転記違いはご指摘の通りです。 また、色々考えてみた結果、この行列がおかしくなった原因は、test_generatorのshuffle=Trueの点にあることに気づきました。 shuffle=Trueにすると、 ① true_label はシャッフル前の真のラベル ② predict_class はシャッフル後の予測値のラベル となってしまうため、予測値のラベルと元のデータのラベルの対応が正しく取れていませんでした。 shuffle=False にすることで解決しました。
guest

回答1

0

自己解決

この行列がおかしくなった原因は、test_generatorのshuffle=Trueの点にあります。
shuffle=Trueにすると、
① true_label はシャッフル前の真のラベル
② predict_class はシャッフル後の予測値のラベル
となってしまうため、シャッフルによってデータの順番が変わり、予測値のラベルと元のデータのラベルの対応が正しく取れていませんでした。
shuffle=False にすることで解決しました。

投稿2020/07/14 00:33

編集2020/07/15 13:55
rest

総合スコア18

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.50%

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る

質問する

関連した質問