CNN模型Keras中分类预测结果的巨大差异

Question

我用 Keras 训练了一个 CNN 模型，其中 df 的 921 rows x 10165 columns 每一行都是具有 10160 特征的样本。然后我使用预训练模型进行预测。

我确保训练数据平衡良好，大约 50% 的样本带有标签 0，其余 50% 的样本带有标签 1。模型准确性看起来不错，但在预测过程中存在问题。

所以输入数据是这样的：

X = df.iloc[:,0:10160]  
X = X.to_numpy()                      
X = X.reshape([X.shape[0], X.shape[1],1]) 
X_train_1 = X[:,0:10080,:]
X_train_2 = X[:,10080:10160,:].reshape(921,80)      
Y = df.iloc[:,10163:10165]
Y = Y.to_numpy()

我用代码预测了带有预测标签“1”（label_1）的样本数：

prediction = pd.DataFrame(model.predict([X_train_1,X_train_2])) 
prediction['label_1'] = ['0' if x < 0.5 else '1' for x in prediction['prob']]

prediction[prediction['label_1'] == '1'].shape[0]/921

第二行代码计算所有样本中label_1 ==1 的样本比例。问题是，鉴于输入数据具有平衡的1 和0 数量，我预计该分数约为 50% 左右，但计算出的分数介于0.08~0.98 之间（如果不是更极端）具有巨大的差异。可能出了什么问题？

Answer 1

请改用model.predict_classes()。否则你会得到概率。

prediction = pd.DataFrame(model.predict_classes([X_train_1,X_train_2])) 
prediction[prediction['label_1'] == '1'].shape[0]/921

如果您使用的是函数式 API，请使用 np.argmax()：

np.argmax(model.predict([X_train_1,X_train_2]), axis=1)

然后你需要你需要的预测，作为 0 和 1 而不是概率。