如何在Keras顺序模型预测中检测异常值？

Question

我正在尝试使用keras顺序模型将文档分类为15个受过训练的课程。

x_tokenized = tokenizer.texts_to_matrix(x_data_series, mode='tfidf')  

model = load_model('top15_model_epoch30_batch100.h5')       
for x_t in x_tokenized:
    prediction = model.predict(np.array([x_t]))            
    predicted_label = labels[np.argmax(prediction[0])]     

最后，以上代码尝试将每个文档分类为预定义的类。 如果我预测文档的类别不同于受过训练的课程，则模型会尝试将其适合这些受过训练的15个课程之一。 是否有任何方法可以将其标记为未分类或任何度量标准，以将这些离群文档标记为未分类？