Pelo que entendi, a funçao evaluate verifica a acurácia do modelo, comparando os valores retornados pelo modelo com os valores das identificações_teste. Quanto maior a acurácia, melhor o retorno do modelo. Porém, há casos em que o modelo identificou corretamente uma imagem, por exemplo uma saia, e a identificacao_teste indicava erradamente que era uma bota. Este caso é computado como diferença e impacta a acurácia. Ou seja, a acurácia não é um valor exato da eficácia do modelo, podendo ser melhor do que o resultado apresentado pela função evaluate.
2
respostas
respostas
Modelo identificou corretamente e a descrição da imagem nos dados de teste estava incorreta
Olá Ricardo.
Acredito que não seja possível, porque os dados identificacoes_teste vem do mesmo lugar dos dados que estamos usando para treinar.
dataset = keras.datasets.fashion_mnist
((imagens_treino, identificacoes_treino), (imagens_teste, identificacoes_teste)) = dataset.load_data()Então são nossos dados de confiança, por isso faz sentido utilizar eles para avaliar o modelo.
Se eu tiver entendido errado, poderia por favor trazer um exemplo da situação descrita.
Bons Estudos.
Obrigado Igor, na verdade foi um erro meu, pois ao checar uma imagem fiz a comparação com um índice errado na variavel identificacao_teste.