二元分类 predict() 方法：sklearn 与 keras

Question

我尝试将我的sklearn代码迁移到基本二进制分类示例上的keras。我对返回与sklearn不同的keras predict()方法有疑问。

学习

print("X_test:")
print(X_test)
y_pred = model.predict(X_test)
print("y_pred:")
print(y_pred)

XGBClassifier（base_score=0.5，colsample_bylevel=1，colsample_bytree=1，gamma=0，learning_rate=0.1，max_delta_step=0，max_depth=3，min_child_weight=1，missing=None，n_estimators=100，nthread=-1，objective='二元：逻辑'，reg_alpha=0，reg_lambda=1，scale_pos_weight=1，seed=0，silent=True，subsample=1）

--- 预测 Sklearn ---

X_test: [[ 1. 90. 62. ..., 27.2 0.58 24. ] [ 7. 181. 84. ..., 35.9 0.586 51. ] [ 13.
152. 90. ..., 26.8 0.731 43. ] ] ..., [ 4. 118. 70. ..., 44.5 0.904 26. ] [ 7. 152. 88. ..., 50. 0.337 36. ] [ 7. 168. 88. ..., 38.2 0.787 40。]]

y_pred: [ 0. 1. 1. 0. 1. 1. 0. 0. 1. 0. 1. 0. 1. 1. 0. 0. 0. 1. 0. 0. 0. 0. 1. 1 . 0. 0. 0. 0. 0. 1. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0 . 0. 1. 0. 1. 0. ... 0. 0. 1. 0. 1. 0. 0. 1. 0. 1. 0. 0. 1. 0. 1. 0. 1. 0. 0. 1. 0. 0. 0. 0. 1. 0. 1. 1. 1. 1. 1. 0. 0. 1. 0. 0. 0. 0. 0. 1. 0. 0. 1. 1. 0. 0. 1. 0. 1. 0. 0. 0. 0. 1. 1. 1.]

predict() 的数据类型返回：X_test维度的二进制向量（OK）。

凯拉斯

score = aTSSeqModel.evaluate(X_test, Y_test2, batch_size=32)

得分：[1.4839521383676004, 0.6338582667778796]

这两个值代表什么？

print("--- Predict Keras ---")
print("X_test:")
print(X_test)
Y_pred2 = aTSSeqModel.predict(X_test, batch_size=32)
print("Y_pred:")
print(Y_pred2)

keras.models.Sequential 对象在 0x7fae3a60b438

--- 预测 Keras ---

X_test: [[ 1. 90. 62. ..., 27.2 0.58 24. ] [ 7. 181. 84. ..., 35.9 0.586 51. ] [ 13.
152. 90. ..., 26.8 0.731 43. ] ] ..., [ 4. 118. 70. ..., 44.5 0.904 26. ] [ 7. 152. 88. ..., 50. 0.337 36. ] [ 7. 168. 88. ..., 38.2 0.787 40。]]

Y_pred: [[ 9.07712865e-21] [ 0.00000000e+00] [ 1.27839347e-25] [ 2.38120656e-22] [ 5.51314650e-20] [ 1.234e-20] [ 1.234e-20] [ 1.234e-20] [ 1.2347e-25]

这是将predict()与keras模型一起使用的正确方法吗？

我希望有一个二进制向量，就像sklean一样，这是应用于X_test数据集的预测结果。什么代表那个二维向量及其值？

感谢您的回答。

Answer 1

这是一个严重不恰当的问题，但我会尽力解决您的问题。下次请检查指南。

这两个值代表什么？

假设您编译模型时将metrics标志设置为

model.compile(optimizer='...', loss='...', metrics=['acc'])

然后调用model.evaluate(X, Y)将返回一个阵列，其中所述第一值是间的损耗model.predict(X)和Y，而第二值是在相同的数据的准确性。
显然，它也扩展到其他指标。

这是将 predict() 与 keras 模型一起使用的正确方法吗？

这是。
Scikit-learnpredict()返回一个 shape 数组(n_samples, )，而Keras返回一个 shape数组(n_samples, 1)。这两个数组对于您的目的是等效的，但来自 Keras 的数组更通用一点，因为它更容易扩展到多维输出情况。要将 Keras 输出转换为 Sklearn 的输出，只需调用y_pred.reshape(-1).
至于为什么 Scikit-learn 的值会自动四舍五入，我不知道，但这可能与 Sklearn 使用的内部数据类型有关。如果你愿意，你可以像这样舍入 Keras 中的值：

y_pred[y_pred <= 0.5] = 0.
y_pred[y_pred > 0.5] = 1.

干杯