Если у меня есть набор целей, также известных как [1,0,9,9,7,5,4,0,4,1], и я использую model.predict(X) Keras возвращает массив из 6 элементов для каждого из 10 образцов.Он возвращает 6 элементов, поскольку существует 6 возможных целей (0,1,4,5,7,9), а keras возвращает десятичное число / число с плавающей запятой (для каждой метки), представляющее вероятность того, что одна из этих целей является правильной.Например, для первого примера - где y = 1 Keras возвращает массив, который выглядит следующим образом: [.1, .4,.003,.001,.5,.003].
Я хочу знать, какое значение соответствует какой цели (относится ли .1 к 1, потому что оно первое в наборе данных, или к 0, потому что это наименьшее число, или к 9, потому что это последнее число и т. Д.). Как Керас заказывает свои прогнозы? Документация , похоже, не формулирует это;он только говорит
«Генерирует выходные прогнозы для входных выборок.»
Так что я не уверен, как сопоставить метки с результатами прогноза.
РЕДАКТИРОВАТЬ:
Вот моя модель и учебный код:
X_train, X_test, y_train, y_test = train_test_split(data, labels, test_size=0.25, random_state=42)
Y_train = to_categorical(y_train)
Y_test = to_categorical(y_test)
sequence_input = Input(shape=(MAX_SEQUENCE_LENGTH,), dtype='int32')
embedded_sequences = embedding_layer(sequence_input)
x = Conv1D(64, 5, activation='relu')(embedded_sequences)
x = MaxPooling1D(4)(x)
x = Conv1D(64, 5, activation='relu')(x)
x = MaxPooling1D(4)(x)
x = Conv1D(64, 5, activation='relu')(x)
x = MaxPooling1D(4)(x) # global max pooling
x = Flatten()(x)
x = Dense(64, activation='relu')(x)
preds = Dense(labels_Index, activation='softmax')(x)
model = Model(sequence_input, preds)
model.fit(X_train, Y_train, epochs=10, verbose = 1)