tensorflow - MultiClass Keras 分类器预测输出含义

Question

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

根据Tensorflow documentation ，predict 函数输出 (n_samples,) 的形状。当我拟合 514541 个样本时，该函数返回一个形状为 (514541, ) 的数组，数组的每个条目的范围为 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 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”？

这是我的模型的示例:

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。

The neural network has 10 output nodes, and the training data is all represented using one-hot encoding.

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，并且同样是热编码的，即形状为 (n_samples, 10)。此外，由于您对最后一层使用了 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 ( one-hot 编码)类。

According to Tensorflow documentation, the predict function outputs a shape of (n_samples,).

令人费解的是，为什么你提到 Tensorflow，而你的模型显然是 Keras 模型；您应该引用 Keras sequential API 的 predict 方法.

When I fitted 514541 samples, the function returned an array with shape (514541, ), and each entry of the array ranged from 0 to 9.

如果发生类似的情况，一定是由于您的代码中的后续部分没有在此处显示；无论如何，我们的想法是从每个 10 维网络输出中找到具有最高值的参数(因为它们被解释为概率，所以直观地说具有最高值的元素将是最有可能)。换句话说，你的代码中的某个地方一定有这样的东西:

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 都是 0 到 9 之间的整数，如您所报告的。

i.e. if index 5 of my one-hot encoding of y_train represents "orange", does a prediction value of 5 mean that the neural network predicted "orange"?

只要上述成立，是的。