代码之家 › 专栏 › 技术社区 › Roman

预测概率是否高于某个值

pytorch neural-network deep-learning keras tensorflow

Roman · 技术社区 · 5 年前

我使用MLP模型进行分类。

当我预测新数据时,我只想保留那些预测概率大于0.5的预测,并将所有其他预测更改为0类。

在凯拉斯我怎么做?

我使用最后一层,如下所示 model.add(layers.Dense(7 , activation='softmax'))

使用softmax获得概率大于0.5的预测是否有意义?

newdata = (nsamples, nfeatures)
predictions = model.predict (newdata)
print (predictions.shape)
(500, 7)

0 回复 | 直到 5 年前

Gerry P 5 年前

你可以这样做:

preds=model.predict etc
index=np.argmax(preds)
probability= preds(index)
if probability >=.75:
    print (' class is ', index,' with high confidence')
elif probability >=.5:
    print (' class is ', index,' with medium confidence')
else:
    print (' class is ', index,' with low confidence')

Frightera 5 年前

Softmax功能输出概率在你的例子中,你将有7个类,它们的概率和将等于1。

现在考虑一个案例 [0.1, 0.1, 0.1, 0.1, 0.1, 0.2, 0.3] 这是softmax的输出。如您所见,在这种情况下应用阈值是没有意义的。

阈值0.5与n类预测无关。对于二进制分类来说,这是一种特殊的东西。

要获取类,应该使用argmax。

编辑:如果你想在预测低于某个阈值时放弃预测,你可以使用,但这是不可能的 这不是正确的处理方式 多类预测:

labels = []
threshold = 0.5

for probs_thresholded in out:
   labels.append([])
   
   for i in range(len(probs_thresholded)):
      if probs_thresholded[i] >= threshold:
         labels[-1].append(1)
      else:
         labels[-1].append(0)

推荐文章