Question

我正在使用神经网络对文本进行分类，训练数据的标签为0或1（即二进制分类）。它在训练和评估过程中效果很好，但是预测输出是浮点值，而不是整数0或1。我怎么总是能得到整数结果？我需要手动转换它们还是更改网络参数？

model = Sequential()
e = Embedding(vocab_size, embedding_dim, weights=[embedding_matrix], 
input_length=max_length, trainable=False)
model.add(e)
model.add(Dropout(0.2))
model.add(Flatten())
model.add(Dense(1, activation='sigmoid'))

# compile
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc'])
print(model.summary())

# fit
model.fit(padded_docs, labels, epochs=5, verbose=2)

# eval
loss, accuracy = model.evaluate(padded_docs, labels, verbose=0)
print('Accuracy: %f' % (accuracy*100))

# predict
result = model.predict(padded_docs_test, verbose=2)

Answer 1

您需要通过设置阈值来手动转换它们，例如：

threshold = 0.5

result = model.predict(padded_docs_test, verbose=2)
result = result > threshold

这将给出二进制预测。计算二进制精度时，Keras的阈值为0.5。

我应该将分类输出转换为整数，如何转换？

1 个答案: