測試神經網絡

• 使用Keras進行自動驗證
• 使用Keras進行手工驗證
• 使用Keras進行K折交叉驗證

1 分割數據

數據量大和網絡復雜會造成訓練時間很長，所以需要將數據分成訓練、測試或驗證數據集。Keras提供兩種辦法：

1. 自動驗證
2. 手工驗證

Keras可以將數據自動分出一部分，每次訓練后進行驗證。在訓練時用validation_split參數可以指定驗證數據的比例，一般是總數據的20%或者33%。

1 下面的代碼加入了自動驗證：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
# MLP with automatic validation set
from keras.models import Sequential
from keras.layers import Dense
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load pima indians dataset
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:,0:8]
Y = dataset[:,8]
# create model
model = Sequential()
model.add(Dense(12, input_dim=8, kernel_initializer='uniform', activation='relu')) 
model.add(Dense(8, kernel_initializer='uniform', activation='relu'))
model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) # Fit the model
model.fit(X, Y, validation_split=0.33, epochs=150, batch_size=10)

訓練時，每輪會顯示訓練和測試數據的數據：

2 手工驗證

Keras也可以手工進行驗證。我們定義一個train_test_split函數，將數據分成2：1的測試和驗證數據集。在調用fit()方法時需要加入validation_data參數作為驗證數據，數組的項目分別是輸入和輸出數據。

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
# MLP with manual validation set
from keras.models import Sequential
from keras.layers import Dense
# from sklearn.cross_validation import train_test_split
# 由於cross_validation將要被移除This module will be removed in 0.20.所以使用下面的model_selection來導入train_test_split
from sklearn.model_selection import train_test_split
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load pima indians dataset
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter="\t")
# split into input (X) and output (Y) variables
X = dataset[:,0:8]
Y = dataset[:,8]
# split into 67% for train and 33% for test
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=seed) # create model
model = Sequential()
model.add(Dense(12, input_dim=8, kernel_initializer='uniform', activation='relu'))
model.add(Dense(8, kernel_initializer='uniform', activation='relu'))
model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X_train, y_train, validation_data=(X_test,y_test), epochs=150, batch_size=10)

和自動化驗證一樣，每輪訓練后，Keras會輸出訓練和驗證結果：

3 手工K折交叉驗證

機器學習的金科玉律是K折驗證，以驗證模型對未來數據的預測能力。K折驗證的方法是：將數據分成K組，留下1組驗證，其他數據用作訓練，直到每種分發的性能一致。

深度學習一般不用交叉驗證，因為對算力要求太高。例如，K折的次數一般是5或者10折：每組都需要訓練並驗證，訓練時間成倍上升。然而，如果數據量小，交叉驗證的效果更好，誤差更小。

scikit-learn有StratifiedKFold類，我們用它把數據分成10組。抽樣方法是分層抽樣，盡可能保證每組數據量一致。然后我們在每組上訓練模型，使用verbose=0參數關閉每輪的輸出。

訓練后，Keras會輸出模型的性能，並存儲模型。最終，Keras輸出性能的平均值和標准差，為性能估算提供更准確的估計：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
# MLP for Pima Indians Dataset with 10-fold cross validation
from keras.models import Sequential
from keras.layers import Dense
from sklearn.cross_validation import StratifiedKFold
#from sklearn.model_selection import StratifiedKFold
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load pima indians dataset
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter="\t")
# split into input (X) and output (Y) variables
X = dataset[:,0:8]
Y = dataset[:,8]
# define 10-fold cross validation test harness
kfold = StratifiedKFold(y=Y,n_folds=10, shuffle=True, random_state=seed)
cvscores = []
for i, (train, test) in enumerate(kfold):
    # create model
    model = Sequential()
    model.add(Dense(12, input_dim=8, kernel_initializer='uniform', activation='relu')) 
    model.add(Dense(8, kernel_initializer='uniform', activation='relu'))
    model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid'))
    # Compile model
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) # Fit the model
    model.fit(X[train], Y[train], epochs=150, batch_size=10, verbose=0)
    # evaluate the model
    scores = model.evaluate(X[test], Y[test], verbose=0)
    print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100)) 
    cvscores.append(scores[1] * 100)
    print("%.2f%% (+/- %.2f%%)" % (numpy.mean(cvscores), numpy.std(cvscores)))

輸出是：