我应该如何解释 sparse_categorical_crossentropy 函数的输出？答案

【问题标题】：How should I interpret the output of the sparse_categorical_crossentropy function?我应该如何解释 sparse_categorical_crossentropy 函数的输出？
【发布时间】：2018-11-23 12:40:34
【问题描述】：

作为输入 a 有一个浮点数 1.0 或 0.0。当我尝试使用我的模型和 sparse_categorical_crossentropy 损失进行预测时，我得到如下信息： [[0.4846592 0.5153408]].

我怎么知道它预测的是什么类别？

【问题讨论】：

标签： python tensorflow machine-learning keras loss

【解决方案1】：

您看到的这些数字是给定输入样本的每个类别的概率。例如，[[0.4846592 0.5153408]] 表示给定样本属于 0 类的概率约为 0.48，属于 1 类的概率约为 0.51。因此，您想选择概率最高的课程，因此您可以使用np.argmax 来查找哪个索引（即 0 或 1）是最大的：

import numpy as np

pred_class = np.argmax(probs, axis=-1)

此外，这与模型的损失函数无关。这些概率由模型中的最后一层给出，很可能它使用softmax 作为激活函数将输出归一化为概率分布。

【讨论】：

我知道这是一个老问题，但是您怎么知道“0 类”指的是哪个类别名称？ sklearn 的 One Hot Encoder 中是否有类似 OHE.categories_ 的内容？
@alan.elkin 如果使用sparse_categorical_crossentropy，您分配给数字0的类别实际上是0类；您分配给数字 1 的类别实际上是 1 类；等等。例如，如果您使用 sklearn 中的 LabelEncoder，则可以通过 .classes_ 属性找到此映射（请参阅文档和示例）。