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!
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!
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)
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。
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' ])” –