如何获得每个类别的概率和标签？

Question

我有一个模型可以根据某些条件对场地进行分类，它有 10 个类别，我希望每个类别的置信度得分有多少模型预测？

我的代码： 结果是一个数组，模型在其中进行预测

        predictions=model.predict(result)
        confidence_score= model.predict_proba(list(result))

model.predict 只返回一个值，并且置信度得分具有每个类别的得分列表，如下所示：

[[0.       0.14       0.       0.       0.       0.56       0.       0.17
  0.1      0.01       0.       0.20       0.       0.       0.002    0.01]]

它还应该为每个类返回类标签，例如：A 类发生的概率为 0.2 % 等。

labelencoder.inverse_transform(predictions) 

输出应如下所示：

{Class Label A : Probability score , Class Label B: Probability score ....}

---

输出使用以下代码：

      dictionary=[dict(zip(labelencoder.classes_, cs)) for cs in confidence_score]

Output   
{Covent Garden': 0.0, 'London Cocktail Club - Liverpool Street': 0.0,
'Lost Society Battersea': 0.0, 'Lost Society Putney': 0.94.....}

在这种情况下，您可以看到 Lost Society 的置信度得分较高，但是当我执行 model.predict 时，它会返回一些其他标签而不是这个标签，我在代码中编写了预测得分最高的类别的代码。

My code :
        predictions=model.predict(result) //returns the single number 
        confidence_score= model.predict_proba(list(result))

        dictionary=[dict(zip(labelencoder.classes_, cs)) for cs in confidence_score]
        print(dictionary)
            
        print("Recommended Venue for this type of category is",labelencoder.inverse_transform(predictions))
        print("Confidence Score : ", np.max(confidence_score))
        return labelencoder.inverse_transform(predictions),np.max(confidence_score)

Answer 1

我们可以 zip labelencoder.classes_ 和 confidence_score 并将 zip 对象传递给 dict 以创建字典

dict(zip(labelencoder.classes_, confidence_score.squeeze()))

如果您想一次性预测多个样本

[dict(zip(labelencoder.classes_, cs)) for cs in confidence_score]