model.predict()输出对应于三个类中的哪一个

Question

当我加载一个经过训练的模型并向其提供新的数据以进行预测时(model.prdict(textstr((，我得到：

[[0.3345264  0.33339804 0.33207548]]

该模型使用一个数据帧进行训练，该数据帧看起来像：

                text  sent
1     Textstring1...     1
2     Textstring2...     2
3     Textstring3...     0
4     Textstring4...     0
5     Textstring5...     2

我如何判断哪个类(已发送，训练值(对应于我得到的输出？上面的0.3345264值是否对应于发送的0作为模型的答案？

以下是该型号及其配置的一些细节：

 model = tf.keras.Sequential([
            tf.keras.layers.Embedding(VOC, EMB_SIZE),
            tf.keras.layers.GlobalAveragePooling1D(),
            tf.keras.layers.Dense(node1,activation='relu'),
            tf.keras.layers.Dropout(dropout),
            tf.keras.layers.Dense(3, activation='softmax')])
 model.compile(optimizer='adadelta',
              loss='sparse_categorical_crossentropy',
              metrics=['sparse_categorical_accuracy'])

提前谢谢。

更新版本2：我使用了类似的标记器来创建train_seqs:

      tokenizer = tf.keras.preprocessing.text.Tokenizer(
            num_words=WORDS
          , oov_token='<UNK>')
        tokenizer.fit_on_texts(train_df['text'])

    #convert text data to numerical indexes
        train_seqs=tokenizer.texts_to_sequences(train_df['text'])
        test_seqs=tokenizer.texts_to_sequences(test_df['text'])
#pad data up to SEQ_LEN (note that we truncate if there are more than SEQ_LEN tokens)
    train_seqs=tf.keras.preprocessing.sequence.pad_sequences(
       train_seqs
       , maxlen=SEQ_LEN
       , padding="post")
    test_seqs=tf.keras.preprocessing.sequence.pad_sequences(
       test_seqs
       , maxlen=SEQ_LEN
       , padding="post")
train_seqs
Out[12]: 
array([[ 144,    8,   46, ...,   42,    3, 1734],
       [   6,  315,  277, ...,   44, 2247, 2095],
       [   5,   18,  162, ...,  159,   56, 1483],
       ...,
       [   9,  132,   76, ...,  194,  234, 1628],
       [ 660,   66,    7, ...,    0,    0,    0],
       [ 514,  879,  126, ...,    6,   68,  590]], dtype=int32)
train_df['sent'].values
Out[13]: array([1, 0, 2, ..., 0, 1, 0])
history = model.fit(train_seqs, train_df['sent'].values
                    , batch_size=BATCH_SIZE
                    , epochs=EPOCHS
                    , validation_split=0.2
                    , callbacks=callbacks)

Answer 1

如果我理解正确，您希望预测sent列，它似乎是一个分类变量，其值可能是0、1或2。你的最后一层是3个神经元(具有softmax激活(，所以你将有3个输出每个推理。我想您对地面实况输出使用了类似One Hot Encoding的东西。预测的顺序将与one Hot Encoder设置的顺序相同。

您是如何准备数据集的地面实况输出的？

更新：

这实际上是一个很好的问题，因为没有太多关于它的文档。我搜索过，在SO上发现了一个类似的问题，所以我在这里询问了更多细节：

如果使用sparse_categorical_crossentropy分配给数字0的实际上是类0；您所属的类别分配给数字1实际上是类别1；等等。例如，如果如果使用sklearn中的LabelEncoder，则可以找到此映射via.classes_attribute(请参阅文档和示例(。

希望这能有所帮助！