我在将RNN模型的2层输入拟合后，遇到了以下model.predict代码格式。这是在喀拉拉邦执行的。
y_pred = (model.predict(x=[X_test_pad, X_test_psl])>0.3).astype(np.int32)
我对深度学习模型非常陌生，不熟悉我们指定>0.3的格式或输入的任何值。因此，在这种情况下，我想知道>0.3的确切作用。
在这方面的任何澄清将不胜感激。
答案 0 :(得分：2)
> 0.3不属于model.predict函数。 将预测结果与0.3的决策阈值进行比较。
示例： 脑图像中的肿瘤检测
如果您的模型说40％的人确定我患有肿瘤，我不会因为0.4 <0.5->没有肿瘤而幸福地回家。
相反，我将使用决策阈值与模型结果进行比较。在这种情况下，我们希望该模型与30％的机会相关联的所有输出都被认为是肯定的。
您可以这样写：
model_pred = model.predict(x=[X_test_pad, X_test_psl]
y_pred = (model_pred>0.3).astype(np.int32)
有关更多信息，我建议阅读https://stats.stackexchange.com/questions/312119/classification-probability-threshold
答案 1 :(得分：1)
predict方法返回类似数组的值。基本上，您正在将预测中的每一行（浮点数，可能是概率）与0.3的阈值进行比较。您可以想象它像列表理解一样工作。它将返回另一个类似于布尔值的数组结构，指示每个预测是否超过0.3。对于最后一步，您基本上是通过转换true / false值将此布尔数组转换为整数数组。从数学上讲，您可以认为它像步进函数一样工作。
我想如果将代码解构成较小的单元，将会更容易理解代码的工作方式。首先，检查预测的输出，然后检查比较的输出，依此类推。