从 2 类 softmax 输出中获取单值预测答案

【问题标题】：Get a single value prediction from a 2-class softmax output从 2 类 softmax 输出中获取单值预测
【发布时间】：2018-10-08 05:45:16
【问题描述】：

我有一个二元分类问题，但最后有一个Dense(2, activation='softmax') 层。所以我得到了像[0.2, 0.8] 或[1.0, 0.0] 这样的预测。我是否正确计算得到的单值预测？

single_value_prediction = predictions[predicted_class] if predictions[1] > predictions[0] else 1 - predictions[predicted_class]

所以[0.2, 0.8] 会导致0.8 和[1.0, 0.0] 在0.0 中？

谢谢！

【问题讨论】：

【解决方案1】：

得到预测后使用：

preds = model.predict(test_data)

preds 数组的形状为(n_samples, 2)。现在要查找预测的类，您可以轻松使用np.argmax()：

preds_classes = np.argmax(preds, axis=-1)

或者，如果您的模型是顺序模型，即keras.models.Sequential，（而不是使用函数式 API 定义的模型，即keras.model.Model），您可以直接使用predict_classes() 方法：

preds_classes = model.predict_classes(test_data)

如果您想找到预测类别的概率（即概率最高的类别），那么您可以使用np.max()：

preds_class_prob = np.max(preds, axis=-1)

【讨论】：

【解决方案2】：

如果您希望“[0.2, 0.8] 将导致 0.8 和 [1.0, 0.0] 在 0.0 中”，您可以尝试 prediction = model.predict(data)[:, 1]。

如果您想同时将概率转换为类，请尝试prediction = model.predict(data)[:, 1] > 0.5。或者按照@today 的建议使用 np.argmax。

【讨论】：