model.predict() 输出对应于 3 类中的哪一个？

Question

当我加载经过训练的模型并为其提供新数据以进行预测时 (model.predict(textstr)) 我得到：

[[0.3345264  0.33339804 0.33207548]]

该模型使用如下所示的数据框进行训练：

                text  sent
1     Textstring1...     1
2     Textstring2...     2
3     Textstring3...     0
4     Textstring4...     0
5     Textstring5...     2

我如何判断哪个 class（发送，训练值）对应于我得到的输出？上面的 0.3345264 值是否对应于发送 0 作为模型的答案？

以下是模型及其配置的一些详细信息：

 model = tf.keras.Sequential([
            tf.keras.layers.Embedding(VOC, EMB_SIZE),
            tf.keras.layers.GlobalAveragePooling1D(),
            tf.keras.layers.Dense(node1,activation='relu'),
            tf.keras.layers.Dropout(dropout),
            tf.keras.layers.Dense(3, activation='softmax')])

 model.compile(optimizer='adadelta',
              loss='sparse_categorical_crossentropy',
              metrics=['sparse_categorical_accuracy'])

提前致谢。

更新编辑2：我像这样使用 tokenizer 来创建 train_seqs:

      tokenizer = tf.keras.preprocessing.text.Tokenizer(
            num_words=WORDS
          , oov_token='<UNK>')
        tokenizer.fit_on_texts(train_df['text'])


    #convert text data to numerical indexes
        train_seqs=tokenizer.texts_to_sequences(train_df['text'])
        test_seqs=tokenizer.texts_to_sequences(test_df['text'])

#pad data up to SEQ_LEN (note that we truncate if there are more than SEQ_LEN tokens)
    train_seqs=tf.keras.preprocessing.sequence.pad_sequences(
       train_seqs
       , maxlen=SEQ_LEN
       , padding="post")
    test_seqs=tf.keras.preprocessing.sequence.pad_sequences(
       test_seqs
       , maxlen=SEQ_LEN
       , padding="post")

train_seqs
Out[12]: 
array([[ 144,    8,   46, ...,   42,    3, 1734],
       [   6,  315,  277, ...,   44, 2247, 2095],
       [   5,   18,  162, ...,  159,   56, 1483],
       ...,
       [   9,  132,   76, ...,  194,  234, 1628],
       [ 660,   66,    7, ...,    0,    0,    0],
       [ 514,  879,  126, ...,    6,   68,  590]], dtype=int32)

train_df['sent'].values
Out[13]: array([1, 0, 2, ..., 0, 1, 0])

history = model.fit(train_seqs, train_df['sent'].values
                    , batch_size=BATCH_SIZE
                    , epochs=EPOCHS
                    , validation_split=0.2
                    , callbacks=callbacks)

Answer 1

如果我没理解错的话，你想要预测 sent 列，它似乎是一个分类变量，其值可能是 0、1 或 2。你的最后一层是 3 个神经元（带有softmax 激活），因此每次推理将有 3 个输出。我假设您对地面实况输出使用了类似 One Hot Encoding 的东西。预测的顺序将与您的 One Hot Encoder 设置的顺序相同。

您是如何准备数据集地面实况输出的？

更新：

这实际上是一个很好的问题，因为没有太多关于它的文档。我搜索了一下，在 SO 上发现了类似的问题，所以我询问了更多详细信息 :

In case of using sparse_categorical_crossentropy, the category you have assigned to number 0 is actually class 0; the category you have assigned to number 1 is actually class 1; and so on. For example, if you use LabelEncoder from sklearn, you can find out this mapping via .classes_ attribute (see the documentation and examples).

希望对您有所帮助！

model.predict() 输出对应于 3 类中的哪一个？

Which of 3 classes does the model.predict() output corresponds to?

python

tf.keras

model.predict() 输出对应于 3 类 中的哪一个？

Which of 3 classes does the model.predict() output corresponds to?

python

tf.keras

model.predict() 输出对应于 3 类中的哪一个？