小编cha*_*ics的帖子

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。

我正在计算模型的召回率和准确度，我想知道为什么人们将 Keras.epsilon() 添加到他们的变量中（在 stackoverflow 上找到的示例： 多类 CNN 的宏指标（召回/F1 ...） 或 如何计算 F1 宏在凯拉斯？）

非常感谢您的回答 ！

亲切地

这是我的数据框：

df = pd.DataFrame(pd.DataFrame({"C1" : [0.5, 0.9, 0.1, 0.2, 0.3, 0.5, 0.2], 
                            "C2" : [200, 158, 698, 666, 325, 224, 584], 
                            "C3" : [15, 99, 36, 14, 55, 62, 37]},
                           index = pd.MultiIndex.from_tuples([(0,0), (1,0), (1,1), (2,0), (2,1), (3,0), (4,0)], 
                                                         names=['L1','L2'])))

df：

         C1      C2     C3
L1  L2          
0   0   0.5     200     15
1   0   0.9     158     99
    1   0.1     698     36
2   0   0.2     666     14
    1   0.3     325     55
3   0   0.5     224     62
4   0   0.2     584     37

我想保留 …

这是我的代码（改编自此处）：

df_1 = pd.DataFrame({\'Cells\' : np.arange(0,100), \'Delta_7\' : np.random.rand(100,), \'Delta_10\' : np.random.rand(100,), \'Delta_14\' : np.random.rand(100,)}, columns = [\'Cells\',\'Delta_7\', \'Delta_10\', \'Delta_14\'])\n\n\n\n#figure\nfig, ax1 = plt.subplots()\nfig.set_size_inches(13, 10)\n\n\n\n#c sequence\nc = df_1[\'Delta_7\']\n\n#plot\n\nplt.scatter(np.full((len(df_1), 1), 1), df_1[\'Delta_7\'] , s = 50, c=c, cmap = \'viridis\')\nplt.scatter(np.full((len(df_1), 1), 2), df_1[\'Delta_10\'] , s = 50, c=c, cmap = \'viridis\')\nplt.scatter(np.full((len(df_1), 1), 3), df_1[\'Delta_14\'] , s = 50, c=c, cmap = \'viridis\')\ncbar = plt.colorbar()\n

我想用 matplotlib 制作一个漂亮的抖动图（就像在R或seaborn上一样）。问题是我想根据每个单元格的“Delta_7”值给每个单元格一个颜色。当绘制“Delta_10”和“Delta_14”时，这种颜色将被保留，而我没有设法用seaborn做到这一点。\n如果您有任何线索（python包，编码），请告诉我技巧\xe2\x80\xa6)？

亲切地，