بتل کد Battle Codeدارد باز می‌شود…

Confident but Wrong چالش 4 از جلسه‌ی 44، متوسط

شش پیش‌بینی یک شبکه آماده است. تابع inspect را کامل کن: pred دسته‌ی پیش‌بینی‌شده‌ی هر سطر (argmax) و conf اطمینان شبکه (بیشترین احتمال هر سطر) باشد. حلقه‌ی آماده اشتباه‌ها را جدا می‌کند. خروجی سه خط است: accuracy 0.667، mistakes [2, 3] و confident mistakes [2]. سطر ۲ با ۹۵٪ اطمینان غلط است!

import numpy as np

p = np.array([
    [0.9, 0.05, 0.05],
    [0.1, 0.85, 0.05],
    [0.02, 0.03, 0.95],
    [0.3, 0.4, 0.3],
    [0.05, 0.05, 0.9],
    [0.6, 0.3, 0.1],
])
y = np.array([0, 1, 0, 2, 2, 0])


def inspect(p, y):
    pred = y      # the predicted class of each row
    conf = p      # the highest probability of each row
    print("accuracy", round(float((pred == y).mean()), 3))
    mistakes = []
    confident = []
    for i in range(len(y)):
        if pred[i] != y[i]:
            mistakes.append(i)
            if conf[i] > 0.9:
                confident.append(i)
    print("mistakes", mistakes)
    print("confident mistakes", confident)


inspect(p, y)

راهنما و جواب این چالش · برگشت به درس جلسه‌ی 44: شبکه‌ی چندلایه با numpy ۲ · چالش بعدی: Softmax Without a Hidden Layer

بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال