python - 了解 keras model.predict

Question

我已经浏览过this ，和this邮政。 但是，我的问题非常具体: 如果针对类标记为 0 和 1 的分类问题，我的 model.predict() 函数的输出类似于:

array([[0.5147758 ],
       [0.48530805],
       [0.5122566 ],
       [0.4839405 ],
       [0.49831972],
       [0.4886117 ],
       [0.5130876 ],
       [0.50388396]], dtype=float32)

我使用binary_crossentropy损失，最后一层为:

Dense(1, activation='sigmoid')

那么上面输出中的每个条目表示类别 0 或类别 1 出现的概率？

Answer 1

sigmoid 激活将输出 0 到 1 之间的值，并且您的密集层中只有一个神经元单元。二元交叉熵损失将尝试最大化有利于可用的两个类别之一的概率。因此，准确地说，您的情况的输出实际上是第 1 类发生的概率。对于第 0 类概率值，您必须执行 1 - 输出。

最后层中常用的其他类型的激活是“softmax”。此激活将为您提供每一类发生的概率，因此最终层中的单元数将等于类数。在此设置中，我们使用分类交叉熵损失。