python - Wide_deep分类器模型，需要预测概率值，不仅是 "best guess"

Question

我确实构建了一个基于宽而深的 Tensorflow 教程 ( here is its "Main" file this question is referring to ) 的二元分类器，这在很大程度上要归功于我在 SO 上获得的帮助，仅在“宽”模式下使用。

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，但分类返回的只是 0 或 1，因此缺乏概率方面。

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

introduction itself说的是

We will train a logistic regression model, and given an individual's information our model will output a number between 0 and 1, which can be interpreted as the probability [...]

但我无法获得预测的这种概率方面。

我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。

如何有效地将分类作为概率而不是“一次性”进行？

感谢任何帮助。

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

Answer 1

tf.estimator.LinearClassifier实例返回您可以使用的值的字典。您仅在代码中使用 pred[ 'classes' ]，但概率值也位于 pred[ 'probabilities' ] 中。您也可以直接

print( pred )

它将输出与此类似的内容(带有虚拟数据):

{'logits': array([1.4264423], dtype=float32),
'logistic': array([0.80634636], dtype=float32),
'probabilities': array([0.19365363, 0.80634636], dtype=float32),
'class_ids': array(1),
'classes': array([b'1'], dtype=object) }

这样您就可以看到您还可以访问logits和class_ids。

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