如何访问keras中的类概率？

我正在训练一个模型，我需要报告类概率而不是单个分类。我有三个类，每个训练实例有三个类中的任何一个分配给它。如何访问keras中的类概率？

我想用Keras创建一个MLP。但我无法想象如何提取每个班级的最终班级概率。我用这个作为我的基本示例：http://machinelearningmastery.com/regression-tutorial-keras-deep-learning-library-python/

谢谢！

来源

2017-02-10 user3667569

您可以使用预测你的训练模型的方法

预测

预测（个体经营，X的batch_size = 32，详细= 0）

生成输出预测输入样本，以批量处理方式处理样本。

参数

X：输入数据，作为一个numpy的阵列（或列表numpy的阵列如果模型有多个输出）。 batch_size：整数。详细：详细程度模式，0或1.

返回Numpy数组预测。

model.predict(input_to_your_network)

来源

2017-02-10 14:21:12 maz

为了执行多类分类（nb_classes> 1）你必须以特定的方式准备的模型。

确保您的标签设计精良，适用于多级分类。看一看在numpy_utils
您必须使用categorical_crossentropy作为多类分类目标函数（见Keras objectives）
你的最后一层必须有SOFTMAX激活功能（保证输出为0和1之间）和nb_classes神经元。
像往常一样训练您的模型
使用预测功能。您将收到一个包含每个类的概率的大小向量（nb_classes，1）。

来源

2017-02-11 14:22:55

你会提供一个示例模型吗？ –

你可以在这里找到：https://keras.io，“入门：30秒Keras”： “ 从keras.models导入顺序模式=连续（） #Stacking层是一样简单。 add（）： from keras.layers import Dense model.add（Dense（units = 64，activation ='relu'，input_dim = 100）） model.add（Dense（units = 10，activation ='softmax'）））#ie nb_classes = 10 ＃一旦你的模型看起来不错，使用＃.compile（）配置其学习过程：model.compile（loss ='categorical_crossentropy'， optimizer ='sgd'， metrics = ['accuracy' ]）” –

如何访问keras中的类概率？

回答

相关问题