需要帮助使用 Keras 的 model.predict

Question

我的目标是通过提供某个 Graph 的 2 个顶点，如果有链接则为 1，如果没有链接，则为 0。

我拟合了我的模型，它的损失约为 0.40，拟合期间的准确度约为 83%。然后，我通过提供一批所有正样本和几批负样本（使用 random.sample）来评估模型。我的模型对于正样本的准确度损失约为 0.35 和 1.0，对于负样本的准确度损失约为 0.46 和 0.68。

我对神经网络的理解虽然极其有限，但根据我的理解，上面的意思是理论上它在没有链接的情况下输出0时总是正确的，但有时即使没有链接也可以输出1。

现在我的实际问题是：我尝试通过 model.predict 用我的神经网络“重建”原始图。问题是我不明白预测输出的含义。起初我假设高于 0.5 的值表示 1，否则为 0。但如果是这种情况，模型甚至无法接近重建原始模型。

我知道它并不完美，但它只是为随机链接候选者返回高于 0.5 的值。

有人可以向我解释一下 model.predict 的工作原理以及如何正确使用它来重建我的图表吗？

Answer 1

您训练的模型并未直接优化 w.r.t。图重建。不失一般性，对于N-node 图，您需要预测N choose 2 链接。并且可以合理地假设大多数这些链接的真实值为 0。

在查看 0 类和 1 类的模型准确度时，很明显，假设您的训练数据是平衡的，您的模型很容易预测 1 类。因此，您重建的图表包含许多 误报 链接。这就是重建图性能不佳的确切原因。

如果可以重新训练模型，我建议你这样做并使用更多的负样本。

如果没有，您需要考虑应用一些后处理。例如，不是找到一个阈值来决定哪两个节点有一个链接，而是使用原始预测的链接概率来形成一个节点到节点的链接矩阵，并应用最小生成树之类的东西来进一步决定什么是合适的链接。