为何Keras模型evaluate()结果与训练最后一轮epoch的结果差异巨大

1. model.evaluate 调用逻辑错误（核心原因） #

Keras框架下model.evaluate()的参数规则固定为：

• 第一个参数传入模型的输入特征
• 第二个参数传入和输入对应的真实标签值
• 函数内部会自动调用模型计算输入对应的预测结果，再和传入的真实标签计算损失、评估指标。

你当前的调用model.evaluate((m * test_x + b), predict_y)完全不符合参数规则：

• 你把m*test_x + b（也就是测试集的真实标签test_y）当成了输入传给模型
• 把你提前计算好的模型预测值predict_y当成了真实标签
• 相当于强制模型完成一个完全无关的新任务，自然会得到异常高的MAE数值。

2. 存在特征未归一化的泛化风险 #

你的训练输入范围是0_{2000，测试输入范围是2000}2400，属于训练集完全没有覆盖到的外推区间，ReLU激活函数在这类场景下很容易出现精度下跌的问题，哪怕修正评估逻辑，也可能出现测试指标远差于训练指标的情况，可以通过特征归一化缓解。

修正评估逻辑 #

你可以二选一使用正确的评估方式：

• 直接调用model.evaluate()，不需要提前计算预测值：

test_y_true = m * test_x + b
print("Evaluate Testing : ", model.evaluate(test_x, test_y_true))

• 如果你已经提前算出了预测值，直接手动计算MAE即可：

test_y_true = m * test_x + b
mae = np.mean(np.abs(predict_y.flatten() - test_y_true))
print("手动计算MAE：", mae)

可选优化：特征归一化 #

将输入特征缩放到0~1区间，提升模型外推能力：

# 训练集归一化
train_x_norm = train_x / 2000
model.fit(train_x_norm, train_y, epochs=250)

# 测试集用相同规则归一化
test_x_norm = test_x / 2000
predict_y = model.predict(test_x_norm)

内容的提问来源于stack exchange，提问作者Jeff