MultiClass Keras Classifier 预测输出含义

Question

我有一个使用 Scikit-Learn API 的 Keras 包装器构建的 Keras 分类器。神经网络有10个输出节点，训练数据全部使用one-hot编码表示。

根据Tensorflowdocumentation，predict函数输出(n_samples,)的形状。当我拟合了 514541 个样本时，函数返回了一个形状为(514541, ) 的数组，数组的每个条目的范围是 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对应？

即如果我的y_train 的 one-hot 编码的索引 5 表示“橙色”，那么预测值 5 是否意味着神经网络预测为“橙色”？

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'))

Answer 1

您的问题存在一些问题。

神经网络有10个输出节点，训练数据全部使用one-hot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，并且再次热编码，即形状为 (n_samples, 10)。此外，由于您在最后一层使用softmax 激活，因此 10 维输出的每个元素都应该在 [0, 1] 中，并解释为输出属于各自的概率（单热编码）类。

根据 Tensorflow 文档，预测函数输出的形状为 (n_samples,)。

令人费解的是，为什么您提到 Tensorflow，而您的模型显然是 Keras 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，该数组的每个条目的范围为 0 到 9。

如果发生这种情况，那一定是由于代码中的后面部分没有在此处显示；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（由于它们被解释为概率，因此具有最高值的元素是直观的最有可能）。换句话说，在你的代码中一定有这样的东西：

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

这将给出一个形状为(n_samples,) 的数组，每个y 是一个介于0 和9 之间的整数，正如您报告的那样。

即如果我对 y_train 的 one-hot 编码的索引 5 表示“橙色”，那么预测值为 5 是否意味着神经网络预测为“橙色”？

只要上述条件成立，是的。