Я обучил модель прогнозировать реальное значение (регрессия) и хочу делать прогнозы на тестовом наборе для проверки производительности (средняя абсолютная ошибка).Я использую генератор, чтобы сгенерировать набор тестов и создать его заново, чтобы обеспечить согласованность при получении реальных значений и прогнозов.Если я оцениваю модель с помощью define_generator, я получаю MAE 1,80.
gen = generator()
loss, mae = model.evaluate_generator(gen, 1000)
#This produces Test set MAE: 1.80
Когда я хочу вычислять MAE вручную из прогнозов, тогда я получаю прогнозы из обученной модели с помощью:
gen = generator()
predictions = model.predict_generator(gen, 1000).flatten()
и получим значения истинности основания:
gen = generator()
y_test = np.zeros((1000))
i = 0
while i < 1000:
p = next(gen)[1]
y_test[i] = p
i += 1
Затем я вычисляю MAE с помощью:
# Manually compute MAE
np.mean(np.abs(predictions - y_test))
# This produces 13.74
, который дает MAE 13,74, что очень отличается от вычисленного сevaluate_generator.Я что-то упустил?