我正在訓練一個模型,我需要報告類概率而不是單個分類。我有三個類,每個訓練實例有三個類中的任何一個分配給它。如何訪問keras中的類概率?
我想用Keras創建一個MLP。但我無法想象如何提取每個班級的最終班級概率。我用這個作爲我的基本示例:http://machinelearningmastery.com/regression-tutorial-keras-deep-learning-library-python/
謝謝!
我正在訓練一個模型,我需要報告類概率而不是單個分類。我有三個類,每個訓練實例有三個類中的任何一個分配給它。如何訪問keras中的類概率?
我想用Keras創建一個MLP。但我無法想象如何提取每個班級的最終班級概率。我用這個作爲我的基本示例:http://machinelearningmastery.com/regression-tutorial-keras-deep-learning-library-python/
謝謝!
您可以使用預測你的訓練模型的方法
預測
預測(個體經營,X的batch_size = 32,詳細= 0)
生成輸出預測輸入樣本,以批量處理方式處理樣本。
參數
X:輸入數據,作爲一個numpy的陣列(或列表numpy的陣列如果 模型有多個輸出)。 batch_size:整數。詳細:詳細程度 模式,0或1.
返回Numpy數組預測。
model.predict(input_to_your_network)
爲了執行多類分類(nb_classes> 1)你必須以特定的方式準備的模型。
你會提供一個示例模型嗎? –
你可以在這裏找到:https://keras.io,「入門:30秒Keras」: 「 從keras.models導入順序 模式=連續() #Stacking層是一樣簡單。 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 #一旦你的模型看起來不錯,使用#.compile()配置其學習過程:model.compile(loss ='categorical_crossentropy', optimizer ='sgd', metrics = ['accuracy' ])」 –