keras model.predict 输出什么？答案

【问题标题】：What does keras model.predict output?keras model.predict 输出什么？
【发布时间】：2021-01-17 18:37:39
【问题描述】：

我已经构建了一个 LSTM 模型（见下文）并对其进行了训练。我的损失函数是二进制交叉熵，因为我正在做二进制分类。训练 y 数据是一组 0 和 1。

当我运行model.predict(x_test_scaled) 时，我得到一组值介于 0 和 1 之间的单个系列。我猜这是一个概率，但它是输出 = 0 还是输出 = 1 的概率？

model = Sequential()

model.add(LSTM(units=512, input_shape = (X_train.shape[1],X_train.shape[2]), return_sequences=True)) 
model.add(Dropout(0.3))

model.add(LSTM(units=512, return_sequences=False))
model.add(Dropout(0.3))
    

model.add(Dense(264),  activation = 'tanh')

model.add(Dense(1))

【问题讨论】：

请从intro tour 重复on topic 和how to ask。 Stack Overflow 并不打算取代现有的教程和文档。关于 Keras 和建模的各种文档通常描述了如何解释输出。我们希望您已经阅读了足够多的内容，以便针对该知识提出具体问题。
我已阅读此网站上的文档。 link 它实际上并没有涵盖如何解释输出。它确实说“为输入样本生成输出预测。”，但这并没有真正的帮助。
这就是为什么我向您推荐了不止一份文件。您需要了解您训练的特定类别的模型会产生什么。
我很高兴阅读文档，如果您知道此信息，我将不胜感激包含此信息的文档链接。
你有发帖指南的链接吗？

标签： python tensorflow keras sequential

【解决方案1】：

我对 ANN 很生疏，但也许我可以帮忙。

Model.predict 将输入向量通过模型并返回每个数据点的输出张量。由于模型中的最后一层是单个 Dense 神经元，因此任何数据点的输出都是单个值。而且由于您没有为最后一层指定激活，它将默认为线性激活。

因为您正在解决分类问题，您可能需要sigmoid 激活。如果记忆没有背叛我，我相信您可以通过将其解决为具有 2 个类别的多类别分类（本质上是具有 softmax 激活的 2 个输出神经元）来解决问题。本质上，线激活不适用于分类问题。

更多注意事项：了解您的模型

如果你想了解你得到的输出，你必须了解你训练模型来解决的任务。

对于每个数据点，您告诉模型the output for this is 1 或the output for this is 0。但它不是将输出视为输入的类，而是将其视为范围 [0,1] 中的值。它正在接受训练以发出此范围内的值。

看看训练y张量。假设0 的输出与第一类匹配，1 的输出与第二类匹配。

在这种情况下，你的模型对输入越确定，它的输出就会越远离 0.5。

因此，0.1 的值意味着您的模型可以确定它属于class 1（更接近输出值0）。如果输出是0.9999，那么它认为输入属于class 2，确定性非常高（输出非常接近1）。另一方面，如果输出类似于0.45（非常接近0.5），那么模型会认为“可能输入属于第1 类，但我完全不确定。

希望这会有所帮助，我也会投票赞成任何更准确的答案。

【讨论】：

【解决方案2】：

它最有可能输出你的 AI 的准确度，你的 AI 的准确度越高越好，你可以使用它在你的训练过程中调整一些设置以获得更高的准确度。

如果我错了，请纠正我！

【讨论】：

model.evaluate 输出准确率和损失。 model.predict 用于预测您的测试集或验证，无论您想预测什么。然而，准确度并不是一个很好的指标。