.predict 返回二进制结果而不是百分比答案

【问题标题】：.predict returning binary results and not percentages.predict 返回二进制结果而不是百分比
【发布时间】：2018-11-18 15:53:47
【问题描述】：

你好我的模型编译如下

model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])

我只是在运行一个

print(model.predict(test_tensor))

返回[[0. 0. 0. 0. 0. 0. 0. 1. 0. 0. 0.]]

最后一层是 softmax 激活，所以不应该这样做。

编辑：我也尝试过 predict_proba 并没有成功

【问题讨论】：

1.0 = 100%，这仍然是一个百分比。
不应该达到 100% 的置信度
不，这是一个典型的误解。 softmax 产生类似单热的概率是很常见的。
不，在这种情况下这不是一个误解。这些预测绝对不应该是 100%，我并不是说它是现状，但我的意思是对于这种情况，分类之间的相似性太高而不会发生。
我认为您完全忽略了 softmax + 交叉熵并没有真正产生有意义的置信度，由此产生的不确定性非常糟糕，正如您在自己的结果中看到的那样。为了获得有意义的校准概率，您必须使用其他方法。

【解决方案1】：

理论上你是对的，它会无限接近 1，但请记住，我们使用固定位数的浮点数来表示它们。因此，在值达到某个 epsilon 1 后，它会被四舍五入。这也发生在其他条目上。因此，您会得到 100% 可信的预测。

为什么您的模型会预测这一点？可能是班级人数过多，因此变得非常自信。您训练了很长时间，因此权重会饱和，尤其是在您没有任何正则化的情况下。

【讨论】：