时间戳

首页 > 解决方案 > Wide_deep 分类器模型，需要预测概率值，而不只是“最佳猜测”

python - Wide_deep 分类器模型，需要预测概率值，而不只是“最佳猜测”

问题描述

由于我在 SO 上获得了很多帮助，我确实构建了一个基于广泛而深入的 Tensorflow 教程的二进制分类器（这里是这个问题所指的它的“主”文件），仅在“宽”中使用模式。

我用来提取分类猜测的函数是：

  pred_iter = model.predict(input_fn=lambda: input_fn(FLAGS.test_data, 1, False, 1))   for pred in pred_iter:
    print(pred['classes'])

它在分类方面效果很好，但分类只是作为 a0或 a返回1，因此缺乏概率方面。

我想将分类表示为 0 到 1 之间的数字，以便了解网络对其猜测的“确定性”。

介绍本身说

我们将训练一个逻辑回归模型，给定一个人的信息，我们的模型将输出一个介于 0 和 1 之间的数字，这可以解释为概率 [...]

但我无法获得预测的这种概率方面。

我曾尝试使用许多答案中列出的prob_a函数，但它可能指的是旧版本的TF，所以没有运气。

我怎样才能有效地将分类作为概率而不是“一次”？

任何帮助表示赞赏。

我在 Python 3.5、操作系统 Ubuntu 16.04 LTS 上使用 TF 1.8。

标签： pythontensorflowubuntu-16.04python-3.5

解决方案

tf.estimator.LinearClassifier实例返回您可以使用的值字典。您仅pred[ 'classes' ]在代码中使用，但您的概率值也在pred[ 'probabilities' ]. 你也可以

print( pred )

这将输出与此类似的内容（带有虚拟数据）：

{'logits'：数组（[1.4264423]，dtype=float32），
'logistic'：数组（[0.80634636]，dtype=float32），
'概率'：数组（[0.19365363，0.80634636]，dtype=float32），
'class_ids '：数组（1），
'类'：数组（[b'1']，dtype=object）}

所以你可以看到你也可以访问logitsand class_ids。

1 类的概率是 中的第二个值pred[ 'probabilities' ]，据我所知，这是您想要使用的值。

推荐阅读