【发布时间】：2020-02-26 10:13:13
【问题描述】：
我正在使用 Keras 预测情绪。我不明白这段代码是什么意思。
sentiment = model.predict(twt,batch_size=1,verbose = 2)[0]
print (sentiment)
print (np.argmax(sentiment))
我得到的结果是，
[0.18970804 0.81029195]
1
我正在预测一条推文。这是一条积极情绪的推文。 twt 是推文。对于情绪，我得到两个值，在两个值中，我得到的情绪为 1。这是积极的。它是如何得到的？ 谁能解释一下。 提前谢谢你
【问题讨论】：
-
您的问题到底是什么？输出的意思还是代码的意思？
-
在没有上下文的情况下说起来有点复杂。我想说的是，您正在对（推文？）中的情绪是否属于一类或另一类进行分类。在这种情况下，您的网络预测您的
twt属于第二类。 -
是的，你基本上在做的是为神经网络提供 twt 中的输入。之后，代码打印每个类的概率。在您的示例中，输入属于情绪 0 的概率为 0.18，属于 1 的概率为 0.81。通常你只对概率最高的类感兴趣。这就是上次打印中出现 argmax 的原因。它在那里打印神经网络“预测”的类（如果你查看所有类，这是最大的概率）
-
训练模型时，您定义了两个输出。输出 0 是带有负面情绪的输出，输出 1 是带有正面情绪的输出（我猜从您的描述中可以看出。也可能反过来）。如果你现在向神经网络展示一条应该被预测的推文，它会在每个输出处向你展示这条推文属于类别 x 的概率。这意味着在这个特定示例中，负面情绪的概率为 0.18（如果负面对应于输出 0），而正面情绪的概率为 0.81。
-
这是一个基本的语法问题，对任何人都没有价值
标签： python tensorflow machine-learning keras lstm