张量流预测含义

问题描述 投票:1回答:1

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。

这是我用来输出我的预测的代码:

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被用来限制测试结果,因为输出大约有16,000个结果,我不需要为了我现在正在尝试的目的而看到所有结果。

我得到的输出看起来像这样:

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.        ]

我知道这些是某种可能性,但我无法找到每个人的意思。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网站仍然处于测试阶段,似乎与TensorFlow相关的活动很少(这是可以理解的,因为很多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。

tensorflow machine-learning output
1个回答
3
投票

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%,并且~0%的机会属于第三类(标签)。

© www.soinside.com 2019 - 2024. All rights reserved.