keras predict_classes 出乎意料的暗淡

Question

我只是在学习机器学习基础知识。我正在使用 keras/tensorflow（通过 RStudio）。我正在尝试开发一个网络来模拟与 11 数字向量的输出相关的 4 数字向量之间的关系。这些值都在 0-1 之间。每个向量的和必须小于 1。 型号是

model_l1 <- keras_model_sequential()
model_l1 %>%
layer_dense(units = 64, activation = 'sigmoid', input_shape = c(4),dtype = 'float32') %>% 
layer_dropout(rate = 0.6) %>% 
layer_dense(units = 32, activation = 'sigmoid',dtype = 'float32') %>%
layer_dropout(rate = 0.4) %>%
layer_dense(units = 11, activation = 'sigmoid',dtype = 'float32')


model_l1 %>% compile(
loss = 'mean_squared_error',
optimizer = 'sgd',
metrics = c('mse','acc')
)

训练收敛得很好，损失为：0.0037 - mean_squared_error: 0.0037 - acc: 0.9898。

如果我使用测试集来评估模型：

model_l1 %>% evaluate(l_x_test, l_y_test)

我得到这个：

$损失 [1] 0.001548773

$mean_squared_error [1] 0.001548773

$acc [1] 0.9999

问题是当我尝试使用模型进行预测时（例如使用相同的测试集）：

model_l1 %>% predict_classes((l_x_test)

我期待一个 11 列的输出，但我得到了一个带有常数的向量：

[1] 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5.....

我有点卡在这里，所以我会感谢任何帮助 亲切的问候

PS： 该网络是使用网页示例创建的，所以我想我的改编不正确（请记住我只是想学习机制，所以我提前道歉以防万一）

Answer 1

1. predict_classes 只是输出的 argmax，而不是每个类的概率。非 argmaxed 输出可以通过 predict 获得（在 R 包装器中可能被命名为 predict_proba）。
2. 如果您希望输出向量概率总和为 1，请在最后一层使用 softmax 激活。
3. 在您提供的有限背景下，您报告的任何内容都不会显得奇怪或错误。例如，在严重的类不平衡的情况下，单类预测是合理的。