如何将单个输入的模型输出转换回预测类之一？

Question

我一直在使用 LabelEncoder 进行分类输出

from keras.utils import np_utils
from sklearn.preprocessing import LabelEncoder
label = LabelEncoder()
y_train = np_utils.to_categorical(label.fit_transform(y_train))
y_test = np_utils.to_categorical(label.fit_transform(y_test))

输出有 4 个类， 编码后，标签看起来像这样

模型看起来像这样：

model0 = Sequential()
model0.add(Conv1D(32, kernel_size=(3), input_shape=input_shape))
model0.add(Conv1D(64, kernel_size=(3)))
model0.add(Conv1D(128, kernel_size=(3)))
model0.add(Conv1D(64, kernel_size=(3)))
model0.add(Conv1D(32, kernel_size=(3)))
model0.add(Flatten())
model0.add(Dense(128, activation='relu'))
model0.add(Dense(12, activation='relu'))
model0.add(Dense(4, activation='softmax'))

model0.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

训练后，同时预测如何将输出作为类之一？我尝试使用：

model0.predict_classes(feature.reshape(1,num_features,1))
array([3], dtype=int64)

我如何知道输出属于哪个类？

Answer 1

我找到了解决办法：我们可以使用LabelEncoder类中的inverse_transform()方法，

代码如下：

result = model0.predict_classes(feature.reshape(1,num_features,1))
print(label.inverse_transform(result))