python - BERT分类器中每个标签的预测概率

标签 python machine-learning neural-network nlp

我正在尝试实现一种评估预测概率的方法,就像在 scikit learn 的帮助下完成的

confidence = model._predict_proba_lr(x_count).max() * 100

有没有办法使用 BERT 模型来评估相同的结果?

目前使用 Bert Base Uncased。
使用Ktrain库(内部使用Keras)
引用代码:https://github.com/amaiya/ktrain/blob/master/examples/text/20newsgroups-BERT.ipynb

最佳答案

ktrain中,您可以将return_proba=True传递给predictor.predict方法来输出概率。请参阅text classification tutorial了解更多详情。

关于python - BERT分类器中每个标签的预测概率,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59265253/

相关文章:

python - 从输出日志文件中排除 ANSI 转义序列

Python 创建 h2o 框架的副本

python - 我试图了解如何与多处理共享只读对象

python - 如果生成器用于使用函数式 API 构建的多输入/输出 Keras 模型,则生成器应该返回什么?

c++ - 如何在C++中加载caffe模型进行预测

python - django - 加载静态文件时找不到 404 错误

machine-learning - 线性回归的梯度下降不收敛

python - 增加线性回归的成本

受限玻尔兹曼机和深度学习的 Java 代码

neural-network - 基于Java的神经网络---如何实现反向传播