首页 文章

MultiClass Keras分类器预测输出含义

提问于
浏览 次
0

我有一个使用Scikit-Learn API的Keras包装器构建的Keras分类器 . 神经网络具有10个输出节点，并且训练数据全部使用单热编码来表示 .

根据Tensorflow documentation， predict 函数输出 (n_samples,) 的形状 . 当我拟合514541个样本时，该函数返回一个形状为 (514541, ) 的数组，并且该数组的每个条目的范围为0到9 .

由于我有十个不同的输出，每个条目的数值是否与我在训练矩阵中编码的结果完全一致？

即如果 y_train 的单热编码的索引5代表"orange"，预测值5是否意味着神经网络预测"orange"？

这是我的模型示例：

model = Sequential()
model.add(Dropout(0.2, input_shape=(32,) ))

model.add(Dense(21, activation='selu'))
model.add(Dropout(0.5))

model.add(Dense(10, activation='softmax'))
tensorflow machine-learning neural-network keras one-hot-encoding

1 回答

  • 2

    您的问题存在一些问题 .

    神经网络有10个输出节点，训练数据全部用单热编码表示 .

    由于您的网络有10个输出节点，并且您的标签是单热编码的，因此您的模型的输出也应该是10维的，并且再次进行热编码，即形状 (n_samples, 10) . 此外，由于您对最后一层使用了 softmax 激活，因此10维输出的每个元素都应该在[0,1]中，并解释为输出属于相应（一个热编码）类的概率 .

    根据Tensorflow文档，预测函数输出（n_samples，）的形状 .

    令人费解的是你提到Tensorflow的原因，而你的模型显然是Keras的模型;你应该参考Keras sequential API的 predict 方法 .

    当我拟合514541个样本时，该函数返回一个形状为（514541，）的数组，并且该数组的每个条目的范围为0到9 .

    如果出现类似的情况，那么必定是由于您的代码中的后续部分未在此处显示;在任何情况下，想法都是从每个10维网络输出中找到具有最高值的参数（因为它们被解释为概率，直观的是具有最高值的元素将是最可能的） . 换句话说，在代码中的某处必须有这样的东西：

    pred = model.predict(x_test)
y = np.argmax(pred, axis=1) # numpy must have been imported as np

    这将给出一个形状数组 (n_samples,) ，每个 y 都是一个0到9之间的整数，就像你报告的那样 .

    即如果我的y_train的单热编码的索引5表示“橙色”，则预测值5是否表示神经网络预测为“橙色”？

    如果以上持有，是的 .

    回复于

相关问题