Question

我一直在使用Tensorflow中的DNNClassifier模型，我已经得到了模型来训练，评估和输出结果。

以下是我用来输出预测的代码：

predictions = classifier.predict(input_fn=predict_input_fn)

i = 0

for j, p in enumerate(predictions):
    print("Prediction %s: %s" % (j + 1, p["probabilities"]))
    i = i + 1
    if i > 100:
        break

i用于限制测试结果，因为输出的结果大约有16,000个，我不需要为了I＆＃的目的而看到所有这些结果39;我现在正试图做。

我得到的输出如下：

Prediction 1: [  5.11678644e-02   9.48832154e-01   3.84762299e-37]
Prediction 2: [ 0.0352843   0.96471566  0.        ]
Prediction 3: [  1.04001068e-04   9.99895930e-01   0.00000000e+00]
Prediction 4: [ 0.0323724   0.96762753  0.        ]

我知道这些是某种形式的概率，但我找不到每种方法的文件。每行有三个，但只有两个类别，所以我猜其中一个是确定性的衡量标准？

我意识到这不是一个严格的编程问题，而是更多关于输出和文档。然而，在询问之前，我确实查看了其他StackExchange站点和TensorFlow文档本身，试图找到一个更好的地方询问/答案。 AI Stack Exchange网站仍处于测试阶段，似乎与TensorFlow相关的活动很少（这是可以理解的，因为许多TensorFlow问题都是编程问题），而且在谈到TF问题之前，我在StackOverflow上取得了一定的成功。

Answer 1

看起来您在三个类别（标签）之间进行分类。因此，您在预测中看到的是您对每个可能类别（标签）的网络加权猜测。例如，在您的第一次预测中，网络结果可以解释为：数据属于第一类（标签）的概率约为5％，数据属于第二类（标签）的概率为~95％，和〜0％的机会属于第三类（标签）。

张量流预测含义

1 个答案: