Keras：如何获得两个以上类别的预测标签答案

【问题标题】：Keras: how to get predicted labels for more than two classesKeras：如何获得两个以上类别的预测标签
【发布时间】：2019-02-02 16:57:45
【问题描述】：

我使用 TensorFlow 后端在 Keras 中实现了一个图像分类器。使用具有两个输出类的数据集，我检查了预测标签如下：

if  result[0][0] == 1:
    prediction ='adathodai'
else:
    prediction ='thamarathtai'

完整代码链接： here

通过三个类，我得到[[0. 0. 1.]] 作为结果输出。如何以 if else 格式检查两个以上类别的预测标签？

【问题讨论】：

标签： python numpy tensorflow keras

【解决方案1】：

对于具有k个标签的多类分类问题，您可以使用model.predict_classes()检索预测类的索引。玩具示例：

import keras
import numpy as np

# Simpel model, 3 output nodes
model = keras.Sequential()
model.add(keras.layers.Dense(3, input_shape=(10,), activation='softmax'))

# 10 random input data points
x = np.random.rand(10, 10)
model.predict_classes(x)
> array([1, 1, 2, 1, 2, 1, 2, 1, 1, 1])

如果列表中有标签，则可以使用预测的类来获取预测的标签：

labels = ['label1', 'label2', 'label3']
[labels[i] for i in model.predict_classes(x)]
> ['label2', 'label2', 'label3', 'label2', 'label3', 'label2', 'label3', 'label2', 'label2', 'label2']

在后台，model.predict_classes 返回预测中每一行的最大预测类概率的索引：

model.predict_classes(x)
> array([1, 1, 2, 1, 2, 1, 2, 1, 1, 1])
model.predict(x).argmax(axis=-1) # same thing
> array([1, 1, 2, 1, 2, 1, 2, 1, 1, 1])

【讨论】：

我是在上面实现的，但我得到“只有整数标量数组可以转换为标量索引”的错误。
我认为是因为 predict_class 是二维的。尝试将其重塑为 1d，或仅使用 predict_class[0][i]
我更新了我的答案，最简单的解决方案是使用model.predict_classes。
我的形状有尺寸错误。我真的不明白你能解释一下吗。我上传了我的完整代码。谢谢。
它为我的示例生成一些随机数据，10 个数据点和 10 个特征。