小编張泰瑋*_*張泰瑋的帖子

如果存在二元分类问题,并且如果label为0且1
我知道预测是浮点数,因为p是属于该类的可能性.

但是标签是0 1.
它们与我们的预测都不一样.
keras如何评估准确度？
keras会自动将我们的预测舍入为0还是1？

eq:例如,这是测试数据的准确性,
但所有预测都是浮点数,因此keras将预测舍入为0 1
并计算精度为0.749？

>>> scores = model.evaluate(x=test_Features, 
                    y=test_Label)
>>> scores[1]
0.74909090952439739

抱歉有一个愚蠢的问题.
我想总结一下清单.但是列表的长度并不总是大于2
因此reduce如果失败则会失败len<2

这是我的代码

score = [('xxx', 1), ('yyy', 2)]
if len(score) >=2:
    result = reduce((lambda x,y:x[1]+y[1]), score)
elif len(score)==1:
    result = score[0]
else:
    result = 0

是否可以在列表长度大于2的情况下以优雅的方式对数组求和？