二元分类 predict() 方法：sklearn vs keras

Posted 2023-03-12

【中文标题】二元分类 predict() 方法：sklearn vs keras

【英文标题】：Binary classification predict() method : sklearn vs keras

【发布时间】：2018-07-15 02:33:01

【问题描述】：

我尝试在一个基本的二元分类示例中将我的 sklearn 代码迁移到 keras。 我对返回不同于 sklearn 的 keras predict() 方法有疑问。

sklearn

print("X_test:")
print(X_test)
y_pred = model.predict(X_test)
print("y_pred:")
print(y_pred)

XGBClassifier(base_score=0.5, colsample_bylevel=1, colsample_bytree=1, gamma=0，learning_rate=0.1，max_delta_step=0，max_depth=3， min_child_weight=1，缺失=无，n_estimators=100，nthread=-1， 目标='二进制：逻辑'，reg_alpha=0，reg_lambda=1， scale_pos_weight=1，seed=0，silent=True，subsample=1)

--- 预测 Sklearn ---

X_test: [[ 1. 90. 62. ..., 27.2 0.58 24. ] [ 7. 181. 84. ..., 35.9 0.586 51. ] [ 13. 152. 90. ..., 26.8 0.731 43. ] ..., [ 4. 118. 70. ..., 44.5 0.904 26. ] [ 7. 152. 88. ..., 50. 0.337 36. ] [ 7. 168. 88. ..., 38.2 0.787 40. ]]

y_pred: [ 0. 1. 1. 0. 1. 1. 0. 0. 1. 0. 1. 0. 1. 1. 0. 0. 0. 1. 0. 0. 0. 0. 1. 1. 0. 0. 0. 0. 0. 1. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0. 1. 0. ... 0. 0. 1. 0. 1. 0. 0. 1. 0. 1. 0. 0. 1. 0. 1. 0. 1. 0. 0. 1. 0. 0. 0. 0. 1. 0. 1. 1. 1. 1. 1. 0. 0. 1. 0. 0. 0. 0. 0. 1. 0. 0. 1. 1. 0. 0. 1. 0. 1. 0. 0. 0. 0. 1. 1. 1.]

predict() 的数据类型返回：X_test 维的二进制向量（OK）。

Keras

score = aTSSeqModel.evaluate(X_test, Y_test2, batch_size=32)

得分：[1.4839521383676004, 0.6338582667778796]

这两个值代表什么？

print("--- Predict Keras ---")
print("X_test:")
print(X_test)
Y_pred2 = aTSSeqModel.predict(X_test, batch_size=32)
print("Y_pred:")
print(Y_pred2)

keras.models.Sequential 对象位于 0x7fae3a60b438

--- 预测 Keras ---

X_test: [[ 1. 90. 62. ..., 27.2 0.58 24. ] [ 7. 181. 84. ..., 35.9 0.586 51. ] [ 13. 152. 90. ..., 26.8 0.731 43. ] ..., [ 4. 118. 70. ..., 44.5 0.904 26. ] [ 7. 152. 88. ..., 50. 0.337 36. ] [ 7. 168. 88. ..., 38.2 0.787 40. ]]

Y_pred: [[ 9.07712865e-21] [ 0.00000000e+00] [ 1.27839347e-25] [ 2.38120656e-22] [ 5.51314650e-20] [ 1.99869346e-22] [ 1.54212393e-19]...

predict() 与 keras 模型一起使用是否正确？

我希望像 sklean 那样有一个二元向量，即应用于 X_test 数据集的预测结果。 2D 向量及其值代表什么？

感谢您的回答。

【问题讨论】：

您需要包含您的 Keras 模型才能获得这两个问题的答案。

【参考方案1】：

这是一个严重不当的问题，但我会尝试解决您的问题。下次请查看guidelines。

这两个值代表什么？

假设您编译模型时将metrics 标志设置为

model.compile(optimizer='...', loss='...', metrics=['acc'])

那么对model.evaluate(X, Y)的调用将返回一个数组，其中第一个值是model.predict(X)和Y之间的损失，第二个值是相同数据的准确率。 显然，它也扩展到其他指标。

在 keras 模型中使用 predict() 是否正确？

是的。 Scikit-learn 的 predict() 返回一个形状为 (n_samples, ) 的数组，而 Keras 的返回一个形状为 (n_samples, 1) 的数组。 对于您的目的，这两个数组是等效的，但 Keras 中的数组更通用，因为它更容易扩展到多维输出情况。 要将 Keras 输出转换为 Sklearn 的，只需调用 y_pred.reshape(-1)。 至于为什么 Scikit-learn 的值会自动四舍五入，我不知道，但这可能与 Sklearn 使用的内部数据类型有关。如果你愿意，你可以像这样对 Keras 的值进行四舍五入：

y_pred[y_pred <= 0.5] = 0.
y_pred[y_pred > 0.5] = 1.

干杯