DL4J 预测格式

Question

我有两个关于 deeplearning4j 的问题有些相关。

1. 当我执行“INDArray predicted = model.output(features,false);”生成预测时，得到模型预测的标签；它是 0 或 1。我试图寻找一种方法来获得概率（值介于 0 和 1 之间）而不是严格地为 0 或 1。当您需要为模型应该考虑的阈值设置阈值时，这很有用0 以及它应该被视为 1 的情况。例如，您可能希望您的模型为任何高于或等于 0.9 的预测输出“1”，否则输出“0”。
2. 我的第二个问题是，即使只有两种可能性，我也不确定为什么输出表示为二维数组（如下代码所示），因此最好用一个值表示 -特别是如果我们希望它是一个概率（问题 #1），它是一个值。
   PS：如果与问题相关，在架构中，输出列是使用“.addColumnInteger”定义的。下面是所用代码的 sn-ps。

部分代码：

MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
            .seed(seed)
            .iterations(1)
            .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)
            .learningRate(learningRate)
            .updater(org.deeplearning4j.nn.conf.Updater.NESTEROVS).momentum(0.9)
            .list()
            .layer(0, new DenseLayer.Builder()
                    .nIn(numInputs)
                    .nOut(numHiddenNodes)
                    .weightInit(WeightInit.XAVIER)
                    .activation("relu")
                    .build())
            .layer(1, new OutputLayer.Builder(LossFunctions.LossFunction.NEGATIVELOGLIKELIHOOD)
                    .weightInit(WeightInit.XAVIER)
                    .activation("softmax")
                    .weightInit(WeightInit.XAVIER)
                    .nIn(numHiddenNodes)
                    .nOut(numOutputs)
                    .build()
            )
    .pretrain(false).backprop(true).build();

    MultiLayerNetwork model = new MultiLayerNetwork(conf);
    model.init();
    model.setListeners(new ScoreIterationListener(10));

    for (int n=0; n<nEpochs; n++) {
        model.fit(trainIter);
    }

    Evaluation eval = new Evaluation(numOutputs);
    while (testIter.hasNext()){
        DataSet t = testIter.next();
        INDArray features = t.getFeatureMatrix();
        System.out.println("Input features: " + features);
        INDArray labels = t.getLabels();
        INDArray predicted = model.output(features,false);
        System.out.println("Predicted output: "+ predicted);
        System.out.println("Desired output: "+ labels);
        eval.eval(labels, predicted);
        System.out.println();
    }
    System.out.println(eval.stats());

运行上述代码的输出：

输入特征：[0.10, 0.34, 1.00, 0.00, 1.00]
预测输出：[1.00, 0.00]
期望的输出：[1.00, 0.00]

*我希望输出的样子（即单值概率）：**

输入特征：[0.10, 0.34, 1.00, 0.00, 1.00]
预测输出：0.14
期望的输出：0.0

Answer 1

我将在线回答您的问题，但我只想指出： 我建议查看我们的文档和示例： https://github.com/deeplearning4j/dl4j-examples http://deeplearning4j.org/quickstart

1. 100% 的 0 或 1 只是一个调整不良的神经网络。这根本不是事情的运作方式。默认情况下，softmax 返回概率。你的神经网络调得很差。也看看更新 dl4j。我不确定您使用的是哪个版本，但我们至少有一年没有在激活中使用字符串了？从我们开始，您似乎跳过了很多步骤。我将再次重申，至少从上面看一下作为起点，而不是使用旧代码。

2. 你看到的只是标准的深度学习 101。所以我要给你的建议可以在互联网上找到，并且适用于任何深度学习软件。两个标签的 softmax 将每一行的总和为 1。如果您想要 1 个标签，请使用具有 1 个输出和不同损失函数的 sigmoid。我们使用 softmax 是因为它适用于任意数量的输出，您所要做的就是改变输出的数量，而不必在此之上更改损失函数和激活函数。