如何获得每个类别的概率和标签

Question

我有一个模型，它根据一些条件对场地进行分类，它有10个类别，我想知道模型预测每个类别的置信度得分是多少？

我的代码：结果是一个数组，模型在其中进行预测

predictions=model.predict(result)
confidence_score= model.predict_proba(list(result))

model.prpredict只返回一个值，置信度分数有每个类的分数列表，如下所示：

[[0.       0.14       0.       0.       0.       0.56       0.       0.17
0.1      0.01       0.       0.20       0.       0.       0.002    0.01]]

它还应该为每个类返回类标签，例如：A类有0.2%的概率发生，等等。

labelencoder.inverse_transform(predictions) 

输出应该看起来像：

{Class Label A : Probability score , Class Label B: Probability score ....}

---

输出使用以下代码：

dictionary=[dict(zip(labelencoder.classes_, cs)) for cs in confidence_score]
Output   
{Covent Garden': 0.0, 'London Cocktail Club - Liverpool Street': 0.0,
'Lost Society Battersea': 0.0, 'Lost Society Putney': 0.94.....}

在这种情况下，你可以看到Lost Society有更高的置信度分数，但当我做建模时，它会给我返回一些其他标签，而不是这个标签，我在代码中写了预测得分最高的类的代码。

My code :
predictions=model.predict(result) //returns the single number 
confidence_score= model.predict_proba(list(result))
dictionary=[dict(zip(labelencoder.classes_, cs)) for cs in confidence_score]
print(dictionary)

print("Recommended Venue for this type of category is",labelencoder.inverse_transform(predictions))
print("Confidence Score : ", np.max(confidence_score))
return labelencoder.inverse_transform(predictions),np.max(confidence_score)

Answer 1

我们可以zip、labelencoder.classes_和confidence_score，并将zip对象传递给dict，以创建字典

dict(zip(labelencoder.classes_, confidence_score.squeeze()))

如果你想在一次中预测多个样本

[dict(zip(labelencoder.classes_, cs)) for cs in confidence_score]