使用有监督分类和神经网络训练的不同类别的概率估计

Posted 2023-03-12

【中文标题】使用有监督分类和神经网络训练的不同类别的概率估计

【英文标题】：Probability Estimate for different class using supervised classification with neural network training

【发布时间】：2020-10-03 13:45:01

【问题描述】：

教程中https://www.tensorflow.org/tutorials/keras/classification

在

https://www.tensorflow.org/tutorials/keras/classification#make_predictions

预测是由 10 个数字组成的数组。它们代表模型的 “信心”图像对应于 10 个不同的 服装物品。你可以看到哪个标签的最高 置信度值：

如果我想估计每个类别（不同的服装）的概率，而不是置信度。我该怎么做？

【问题讨论】：

您实际得到的确实是概率 - 请注意引用了“置信度”一词。

好吧，我没有说它们是一回事。谢谢你的回答。

*我不知道它们是同一个东西。

【参考方案1】：

正如@desertnaut 上面提到的评论，对代码的信心

probability_model = tf.keras.Sequential([model, 
                                         tf.keras.layers.Softmax()])
predictions = probability_model.predict(test_images)

变量predictions给出的确实是概率。