AttributeError：“顺序”对象没有属性“predict_proba”答案

【问题标题】：AttributeError: 'Sequential' object has no attribute 'predict_proba'AttributeError：“顺序”对象没有属性“predict_proba”
【发布时间】：2021-10-28 10:53:56
【问题描述】：

predict_proba 返回神经网络中的误差

我在此链接上看到了示例https://machinelearningmastery.com/how-to-make-classification-and-regression-predictions-for-deep-learning-models-in-keras/

https://faroit.com/keras-docs/1.0.0/models/sequential/#the-sequential-model-api

我使用的是 TensorFlow 版本：2.6.0

代码：

#creating the object (Initializing the ANN)
import tensorflow as tf
from tensorflow import keras
LAYERS = [
         tf.keras.layers.Dense(50, activation="relu", input_shape=X_train.shape[1:]),
         tf.keras.layers.LeakyReLU(),
         tf.keras.layers.Dense(25, activation="relu"),
         tf.keras.layers.Dense(10, activation="relu"),
         tf.keras.layers.Dense(5, activation="relu"),
         tf.keras.layers.Flatten(),
         tf.keras.layers.Dense(1, activation='sigmoid')
]

LOSS = "binary_crossentropy"
OPTIMIZER = tf.keras.optimizers.Adam(learning_rate=1e-3)

model_cEXT = tf.keras.models.Sequential(LAYERS)
model_cEXT.compile(loss=LOSS , optimizer=OPTIMIZER, metrics=['accuracy'])

EPOCHS = 100

checkpoint_cb = tf.keras.callbacks.ModelCheckpoint("model_cEXT.h5", save_best_only=True)
early_stopping_cb = tf.keras.callbacks.EarlyStopping(patience=10, restore_best_weights=True)
tensorboard_cb = tf.keras.callbacks.TensorBoard(log_dir="logs")
CALLBACKS = [checkpoint_cb, early_stopping_cb, tensorboard_cb]

model_cEXT.fit(X_train, y_train['cEXT'], epochs = EPOCHS, validation_data=(X_test, y_test['cEXT']), callbacks = CALLBACKS)

model_cEXT.predict_proba(X_test)

错误：

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-72-8f06353cf345> in <module>()
----> 1 model_cEXT.predict_proba(X_test)

AttributeError: 'Sequential' object has no attribute 'predict_proba'

编辑： 我需要 sklearn 之类的 predict_proba 输出，这是可视化所需要的

skplt.metrics.plot_precision_recall_curve(y_test['cEXT'].values, y_prob)
plt.title('Precision-Recall Curve - cEXT')
plt.show()

【问题讨论】：

你有什么问题？错误很明显。 TensorFlow 不是 scikit-learn。
想像 scikit-learn 的 predict_proba 一样打印概率
但是我也看到了深度学习的例子machinelearningmastery.com/…
@JunedAnsari predict_proba 已弃用。相反，只需使用predict 来获取概率。请在此处查看我的答案以获取更多详细信息，如果有帮助，请告诉我。 stackoverflow.com/a/67467084/9215780
嗯，我很抱歉。我不知道旧的 keras 版本有这种方法。

标签： tensorflow deep-learning

【解决方案1】：

新版本可能没有 predict_proba 方法，所以我使用 .predict 方法创建了自己的方法

def predict_prob(number):
  return [number[0],1-number[0]]

y_prob = np.array(list(map(predict_prob, model_cEXT.predict(X_test))))
y_prob

【讨论】：

注意，这不是解决方案。 mode. predict 已经给出了概率。新版本更精确。在上面的代码 sn-p 中，计算同一类概率的两倍是没有意义的。
@M.Innat，我知道它返回概率，但如果你将它与 sklearns predict_prob 进行比较，你会看到不同之处。 sklearns prdict_prob 将返回两个输出，如真类概率和可视化所需的假类概率 skplt.metrics.plot_precision_recall_curve

【解决方案2】：

改用此代码

predict_prob=model.predict([testa,testb])

predict_classes=np.argmax(predict_prob,axis=1)

【讨论】：