我用這段代碼來預測 中 0 和 1 的概率x_test，但結果只有一列概率。我真不知道這一列的概率是0的概率還是1的概率。import numpy as npfrom keras.models import Sequentialfrom keras.layers import Densedata_train = np.array([[0, 0, 0],[0, 1, 0],[0, 2, 0],[0, 3, 0],[1, 0, 0],[2, 0, 0],[3, 0, 0],[1, 1, 1],[2, 1, 1],[1, 2, 1],[3, 1, 1],])data_test = np.array([[1, 3],[0, 4],[5, 0]])x_train = data_train[:, :-1]y_train = data_train[:, -1]x_test = data_testmodel = Sequential()model.add(Dense(512, activation='relu', input_dim=2))model.add(Dense(200, activation='relu'))model.add(Dense(200, activation='relu'))model.add(Dense(128, activation='relu'))model.add(Dense(1, activation='sigmoid'))model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['binary_accuracy'])model.fit(x_train, y_train, epochs=5, batch_size=1, verbose=1)predict = model.predict_proba(x_test, batch_size=1)print(predict)結果只有 1 列：[[0.9431795] [0.47065434] [0.08615088]]我想要2列概率，第一列是0的概率，第二列是1的概率，比如這樣： [[0.23334,0.76267] …… [0.84984,0.15685] [0.16663,0.83291]]如何修復它？
1 回答
瀟瀟雨雨
TA貢獻1833條經驗 獲得超4個贊
首先，您需要y_train通過以下方式轉換為 one-hot 編碼
from sklearn.preprocessing import LabelEncoder
from keras.utils import np_utils
encoder = LabelEncoder()
encoder.fit(y_train)
encoded_y = encoder.transform(y_train)
y_train = np_utils.to_categorical(encoded_y)
運行這段代碼，y_train將變成
array([[1., 0.],
[1., 0.],
[1., 0.],
[1., 0.],
[1., 0.],
[1., 0.],
[1., 0.],
[0., 1.],
[0., 1.],
[0., 1.],
[0., 1.]], dtype=float32)
其次，您需要將輸出層更改為
model.add(Dense(2, activation='softmax'))
通過這兩個修改，您將獲得所需的輸出。
添加回答
舉報
0/150
提交
取消