深度学习做分类任务时，通过softmax层后，输出各个类别的概率值。其中，最大概率值索引对应的类别，就是模型预测的最终结果。
本文讲述了使用Python将概率值转换最终预测结果。
先看一下10个类别，这10个类别，是fashion_mnist的类别。
class_name = ['T-shirt', 'Trouser', 'Pullover', 'Dress',
'Coat', 'Sandal', 'Shirt', 'Sneaker',
'Bag', 'Ankle boot']
假定我们的模型已经训练好，直接使用训练好的模型进行预测。
predictions = model.predict(x_test)
predictions的shape是(len(x_test), len(types))，我们看一下第一个预测结果predictions[0]，输出的概率值吧
array([1.9580643e-03, 5.8311934e-04, 1.2522347e-03, 2.3092858e-03,
2.3697780e-03, 2.7583709e-02, 1.1669351e-03, 1.1092117e-01,
2.0149192e-02, 8.3170652e-01], dtype=float32)
总共有10个类别，分别对应10个概率值，其中，概率值最大的是最后一位：8.3170652e-0，对应class_name即是Ankle boot。
借助pandas快速完成这个目的。
import pandas as pd
# 将概率值与类别信息合并为series
result = pd.Series(predictions[0], index=class_name)
# 输出的类别字段
type = result.idxmax()
# 输出类别对应的概率值
max_score = result.max()
其中，合成的series是下面这样的形式，可以看出Ankle boot对应的值是最高的。如
T-shirt 0.001671
Trouser 0.000893
Pullover 0.001579
Dress 0.002067
Coat 0.000588
Sandal 0.006615
Shirt 0.002492
Sneaker 0.067276
Bag 0.006515
Ankle boot 0.910306
发表回复