Tensorflow LinearClassifier 获取个体预测值答案

【问题标题】：Tensorflow LinearClassifier get individual prediction valuesTensorflow LinearClassifier 获取个体预测值
【发布时间】：2017-12-05 20:34:44
【问题描述】：

我正在尝试使用以下代码使用 Tensorflow 编写线性分类器。

m = LinearClassifier(model_dir = model_dir, feature_columns = wide_columns)
m.fit (input_fn=training, steps=FLAGS.train_steps)
results = h.evaluate(input_fn=test, steps=1)
for key in sorted(results):
    print ("%s: %s", key, results[key])

但是，我对每个测试功能都有一个预测数组（即 0 和 1 数组）感兴趣。我想根据这些预测计算更多的值（而不是准确度和精度）。

以下是我得到的输出：

accuracy: 0.931035
accuracy/baseline_label_mean: 0.931035
accuracy/threshold_0.500000_mean: 0.931035
auc: 0.5
global_step: 202
labels/actual_label_mean: 0.931035
labels/prediction_mean: 1.0
loss: 1.11758e+11
precision/positive_threshold_0.500000_mean: 0.931035
recall/positive_threshold_0.500000_mean: 1.0

以下是我期望的输出：（前五个数字是训练特征，1和0是分类器的标签）

1,2,3,4,5 : 1
3,4,4,2,1 : 0
1,2,3,4,1 : 1
1,2,3,4,5 : 1
4,4,2,2,2 : 0
5,4,1,2,1 : 0

如何从 Tensorflow API 获得这样的输出？

【问题讨论】：

您最终想要的是为您要预测的每一行特征添加一个键。检查这个：stackoverflow.com/questions/44381879/… 如果您仍然想通过模型传递特征而不进行“某种”处理（尽管在您的情况下正是需要处理的特征）我认为您可以应用与钥匙。虽然我仍然认为添加一个键（或对条目行进行哈希处理）然后将结果与相应的键连接起来以获得功能更容易。

标签： python tensorflow

【解决方案1】：

经过一番研究，我找到了解决方案。我希望它可以帮助某人：

predictions = m.predict(input_fn = lambda:input_fn(df_test), as_iterable = False)
for p in predictions:
    print(str(p), "\n")

【讨论】：