如何创建 nn 模型预测的直方图

Question

我的 NN 模型预测图像的标签和分数（参见示例图像，分数是图像下方的浮点数，标签是右侧的属性）

我想制作一个直方图来显示哪些属性（标签）被预测得更多。所以我想索引标签并找到它们的数量，但我不知道该怎么做。

我将所有输出附加到数组 (preds_array) 中，attributes 是标签数组，然后我这样做了：

outputs_array = [j for i in zip(preds_array, attributes) for j in i] #zip the output scores with their labels



#The outputs_array looks like this#
    [0.21103, array(['dirty'], dtype=object), 0.99764, array(['daylight'], dtype=object), 0.000802, array(['night'], dtype=object)

%matplotlib inline

np.random.seed(42)

plt.hist(outputs_array, density=False, bins=30)
plt.ylabel('Count')
plt.xlabel('Predicted Labels');

但它返回一个错误。 有什么想法吗？

Answer 1

您想要计算每个标签的预测次数？

import matplotlib.pyplot as plt

attributes = ['a','b','c','a']

predictions_dict ={}

for attr in attributes:
   if attr in predictions_dict.keys():
       predictions_dict[attr] += 1
   else:
       predictions_dict[attr] = 1


plt.bar(predictions_dict.keys(), predictions_dict.values())
plt.show()

如果您想要每个标签的分数直方图，我会推荐类似的东西，但是，根据您上面的内容，看起来您只有每个类是预测类时的分数。但是，如果这是您想要的，那么您可以将上面的内容转换为每个标签的这些分数的直方图

import matplotlib.pyplot as plt
import numpy as np

#making up arrays of labels and scores because I don't know all of yours
labels = ['a','b','c']
attributes = np.random.choice(labels, 100)
scores = np.random.random(100)

d = {key:[] for key in labels}

for attribute, score in zip(attributes, scores):
    d[attribute].append(score)

for attribute in d.keys():
    plt.hist(d[attribute], alpha=0.3, label=attribute)

plt.xlabel('score')
plt.ylabel('count')
plt.legend()
plt.show()