如何解读 Google Cloud ML 预测结果？答案

【问题标题】：How to interpret Google Cloud ML Prediction results?如何解读 Google Cloud ML 预测结果？
【发布时间】：2017-03-16 15:53:48
【问题描述】：

我完成了 GC ML Census Wide & Deep Learning 示例 https://github.com/GoogleCloudPlatform/cloudml-samples/tree/master/census

给定一个人的人口普查数据，例如年龄、性别、教育和职业（特征），这个 DNNLinearCombinedClassifier 模型应该预测这个人的年收入是否超过 50,000 美元（目标标签）。

我进行了在线预测 gcloud ml-engine predict --model census --version v1 --json-instances ../test.json

使用 test.json 数据 {"age": 25, "workclass": " Private", "education": " 11th", "education_num": 7, "marital_status": " Never-married", "occupation": " Machine-op-inspct", "relationship": " Own-child", "race": " Black", "gender": " Male", "capital_gain": 0, "capital_loss": 0, "hours_per_week": 40, "native_country": " United-States"}

我得到以下结果： {"probabilities": [0.9962924122810364, 0.003707568161189556], "logits": [-5.593664646148682], "classes": 0, "logistic": [0.003707568161189556]}

我该如何解释？我目前的理解是，logit 是输出层中 sigmoid 二进制分类激活函数的倒数（不确定输出数字表示什么），classes: 0 指的是 = 50,000 美元）

【问题讨论】：

标签： tensorflow google-cloud-ml google-cloud-ml-engine

【解决方案1】：

正确。

概率：是 =$50K 的概率。
classes：预测的类（0，即
logits: ln(p/(1-p)) = ln(0.00371/(1-.00371)) = -5.593
逻辑：1/(1+exp(-logit)) = 1/(1+exp(5.593)) = 0.0037

【讨论】：

类标签是如何选择的？是否基于LABELS列表中定义的类标签的索引？
@FayazAhmed 没错。所以 LABELS[classes] 给你字符串标签。