Keras图像二进制分类，哪个类被分配概率0和1？使用函数式 API答案

【问题标题】：Keras image binary classification, which class is assigned probability 0 and 1 ? Using Functional APIKeras图像二进制分类，哪个类被分配概率0和1？使用函数式 API
【发布时间】：2021-06-16 15:47:19
【问题描述】：

在实现二元分类时，大多数人使用sigmoid 函数作为最后一层的激活。据我了解，sigmoid 函数给出的概率介于 0 和 1 之间，我们设置了一个阈值（主要是 0.5）来确定类标签。

但是，我对哪个班级的概率是多少感到困惑？假设我有两个类 A 和 B ，我得到预测结果 p 或 p% 。是是类A的概率还是不是类A的概率（即B）。

如果以前在这里问过这个问题，但我找不到它，我深表歉意。因为我使用的是Keras Functional API，所以我不能使用predict_classes() 函数。此外，我主要使用生成器从ImageDatagenerator 加载我的数据集，主要是flow_from_dataframe()，您可以在其中提供类标签或类列表。在我的情况下，它是我的数据框中的两个字符串 "REAL" 或 "FAKE" 。

还有没有办法设置我想要哪个类的概率？

【问题讨论】：

图像生成器按字母顺序遍历所有文件夹，除非明确提及。所以在你的情况下，FAKE 的概率在 0 到 0.5 之间。
@clinnsin 我的回答没有帮助？
@Frightera 是的，它很有帮助。感谢您解释 sigmoid 函数。

标签： keras deep-learning

【解决方案1】：

是属于A类的概率还是不属于A类的概率成为 A 类（即 B）

不是真的。比如说，你得到 0.8 作为 sigmoid 的输出，所以这并不意味着每个类的网络输出概率，因为 sigmoid 输出的总和不等于 1。换句话说，输出 0.8 并不表示有这种可能性输出属于其他类别的概率为 0.2。

此外，在 二元分类 中，使用 sigmoid 网络输出 p(y=1)。然后根据概率的定义p(y=0) = 1 - p(y=1)。对于简单的二元分类，它们加起来只。

如果您想查看每个类的概率，您应该使用softmax 激活，因为它的输出总和为 1。您可以将softmax 输出解释为概率。

另一方面，这些模型不是概率模型，而是确定性模型。因此，将softmax 的输出解释为概率是很常见的，但它们之间没有数学联系。

还有没有办法设置我想要哪个类的概率？

您可以设置各种阈值，即大多为 0.5，但这取决于您的数据和问题。您可以更改阈值以查看它如何影响 AUC-ROC，通过解释更改，您可以得出最适合您的阈值。

如果要确定类，可以使用，注意0.5是阈值，可以更改：

predicted_classes = [1 * (x[0]>=0.5) for x in preds_sigmoid]

这里，如果输出大于 0.5 比我们说它属于二等。

【讨论】：