Keras 模型预测多分类问题的标签

Question

如果我有一组目标，也就是 [1,0,9,9,7,5,4,0,4,1] 并且我使用 model.predict(X)，Keras 会为 10 个样本中的每一个返回一个 6 项数组。它返回 6 个项目，因为有 6 个可能的目标（0、1、4、5、7、9），并且 keras 返回一个小数/浮点数（对于每个标签），表示其中任何一个是正确目标的可能性。例如，对于第一个示例 - 其中 y=1 Keras 返回一个如下所示的数组：[.1, .4,.003,.001,.5,.003]。

我想知道哪个值与哪个目标匹配（0.1 是指 1 是因为它是数据集中的第一个，还是 0 是因为它是最小的数字，或者 9 是因为它是最后一个数字，等等）。 Keras 如何对其预测进行排序？ The documentation 似乎没有明确说明这一点；它只说

“为输入样本生成输出预测。”

所以我不确定如何将标签与预测结果相匹配。

编辑：

这是我的模型和训练代码：

X_train, X_test, y_train, y_test = train_test_split(data, labels, test_size=0.25, random_state=42)

Y_train = to_categorical(y_train)
Y_test = to_categorical(y_test)

sequence_input = Input(shape=(MAX_SEQUENCE_LENGTH,), dtype='int32')
embedded_sequences = embedding_layer(sequence_input)
x = Conv1D(64, 5, activation='relu')(embedded_sequences)
x = MaxPooling1D(4)(x)
x = Conv1D(64, 5, activation='relu')(x)
x = MaxPooling1D(4)(x)
x = Conv1D(64, 5, activation='relu')(x)
x = MaxPooling1D(4)(x)  # global max pooling
x = Flatten()(x)
x = Dense(64, activation='relu')(x)
preds = Dense(labels_Index, activation='softmax')(x)

model = Model(sequence_input, preds)
model.fit(X_train, Y_train, epochs=10, verbose = 1) 

Answer 1

Keras 不订购任何东西，这完全取决于您用于训练模型的数据中的类是如何定义和 one-hot 编码的。

您通常可以通过获取每个样本的类概率数组的argmax 来恢复整数类标签。

从您的示例中，0.1 是 0 类，0.4 是 1 类，0.003 是 2 类，0.001 是 3 类，0.5 是 4 类，0.003 是 5 类（总共 6 个类）。