2
Theanos 백엔드가있는 Keras NN과 협력 중이며 14 가지 출력 클래스로 분류 문제를 해결하고 있습니다. 예상 클래스와 관련 확률을 원합니다. 문제는 predict_proba()의 확률이 predict()의 예측 클래스와 일치하지 않는 것입니다. 여기에 코드와 1 샘플의 결과 출력이 더해집니다.Keras 분류 자 predict_proba()가 predict()와 일치하지 않습니다.
PPRANK = ['pp1', 'pp2', 'pp3', 'pp4', 'pp5', 'pp6', 'pp7', 'pp8', 'pp9', 'pp10', 'pp11', 'pp12', 'pp13', 'pp14', 'pp15']
FEATURES = (PPRANK)
# fix random seed for reproducibility
seed = 7
np.random.seed(seed)
data_df = pd.DataFrame.from_csv("data.csv")
X = np.array(data_df[FEATURES].values)
Y = (data_df["bres"].replace(14,13).values)
# define baseline model
def baseline_model():
# create model
model = Sequential()
model.add(Dense(8, input_dim=(len(FEATURES)), init='normal', activation='relu'))
model.add(Dense(14, init='normal', activation='softmax'))
# Compile model
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
return model
#build model
estimator = KerasClassifier(build_fn=baseline_model, nb_epoch=200, batch_size=5, verbose=0)
#split train and test
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.1, random_state=seed)
estimator.fit(X_train, Y_train)
#get probabilities
predictions = estimator.predict_proba(X_test)
#convert expon to floats
probs = [[] for x in range(21)]
tick2 = 0
for i in range(len(predictions)):
tick = 0
for x in xrange(14):
(predictions[i][(tick)]) = '%.4f' % (predictions[i][(tick)])
probs[(tick2)].append((predictions[i][(tick)]))
tick += 1
tick2 += 1
# pprint probabilities
pp = pprint.PrettyPrinter(indent=0)
pp.pprint(probs)
#print class predictions
print estimator.predict(X_test)
print Y_test
확률
는 [0.00000가 0.00030가 0.02360가 0.04329가 0.00019가 0.00069가 0.00120가 0.00030가 0.00559가 0.00410가 0.00510는 0.91549, 0.0, 0.0]클래스 예측
11
실제 클래스
13
predict()에서 11이 아닌 predict_proba()에서 가장 높은 확률을 보이는 12를 보여줍니다. 어떤 도움을 주셔서 감사합니다.