keras model.predict 输出什么？

Question

我已经构建了一个 LSTM 模型（见下文）并对其进行了训练。当我进行二元分类时，我的损失函数是二元交叉熵。训练 y 数据是一组 0 和 1。

当我运行时，model.predict(x_test_scaled)我得到一组值范围在 0 和 1 之间的单个系列。我猜这是一个概率，但它是输出 = 0 的概率还是输出 = 1 的概率？

model = Sequential()

model.add(LSTM(units=512, input_shape = (X_train.shape[1],X_train.shape[2]), return_sequences=True)) 
model.add(Dropout(0.3))

model.add(LSTM(units=512, return_sequences=False))
model.add(Dropout(0.3))
    

model.add(Dense(264),  activation = 'tanh')

model.add(Dense(1))

Answer 1

我对人工神经网络很生疏，但也许我可以帮忙。

Model.predict将输入向量传递给模型并返回每个数据点的输出张量。由于模型中的最后一层是单个密集神经元，因此任何数据点的输出都是单个值。由于您没有为最后一层指定激活，因此它将默认为线性激活。

因为您正在解决分类问题，所以您可能需要sigmoid激活。如果记忆没有背叛我，我相信你可以通过将其解决为具有 2 个类别的多类分类（本质上是具有 softmax 激活的 2 个输出神经元）来解决。本质上，线激活不适合分类问题。

更多注释：了解您的模型

如果您想了解所获得的输出，则必须了解训练模型要解决的任务。

对于每个数据点，您可以告诉模型the output for this is 1或the output for this is 0。但它并不将输出视为输入的类，而是将其视为范围 [0,1] 中的值。并且它正在被训练以发出这个范围内的值。

看一下训练y张量。让我们假设 的输出匹配0第一类，并且 的输出1匹配第二类。

在这种情况下，您的模型对输入越确定，其输出就越远离 0.5。

因此，值 意味着0.1您的模型在某种程度上确定它属于class 1（更接近输出值0）。如果输出是，0.9999那么它认为输入属于class 2非常高的确定性（输出非常接近1）。另一方面，如果输出类似于0.45（非常接近0.5），则模型会认为“也许输入属于第 1 类，但我完全不确定。

希望这对您有所帮助，我也会对任何更准确的答案进行投票。