使用tensorflow获取真阳性、假阳性、假阴性和真阴性列表

这是我的工作：

• 我注释了“活”细胞的图像（约 8.000）和“死”细胞的图像（约 2.000）（+ 800 和 200 用于测试集）
• 我正在使用 CNN（带有张量流和 keras）将图像分类为“活”或“死”。
• 我训练了我的模型：验证损失 = 0.35，召回率 = 0.81，准确性 = 0.81。

问题是：如何获取分类为“活”或“死”的图像列表，以便我可以检查它们（也许某些图像不在正确的文件夹中？或者模型对特定类型的图像有问题？）

请问，如果您有任何线索可以解决这个问题，可以告诉我吗？

请您的。

对于二元分类的情况，您可以获取真实标签向量和预测标签向量之间的差异。差异向量将包含正确分类的零，-1 表示误报，1 表示误报。然后您可以例如使用np.where找到误报指数等。

要获得误报和误报等指数，您可以简单地执行以下操作：

import numpy as np 

real = np.array([1,0,0,1,1,1,1,1])
predicted = np.array([1,1,0,0,1,1,0,1])

diff = real-predicted
print('diff: ',diff)

# Correct is 0 
# FP is -1 
# FN is 1
print('Correctly classified: ', np.where(diff == 0)[0])
print('Incorrectly classified: ', np.where(diff != 0)[0])
print('False positives: ', np.where(diff == -1)[0])
print('False negatives: ', np.where(diff == 1)[0])

output:

diff:  [ 0 -1  0  1  0  0  1  0]
Correctly classified:  [0 2 4 5 7]
Incorrectly classified:  [1 3 6]
False positives:  [1]
False negatives:  [3 6]