Keras, Ausgabe von Modell predict_proba

Hier ist die situation anders und irgendwie Irre, vor allem, wenn Sie vergleichen predict_proba Methode sklearn Methoden mit dem gleichen Namen. In Keras (nicht sklearn Wrapper) eine Methode predict_proba ist genau das gleiche als predict Methode. Sie können sogar überprüfen Sie es hier:

def predict_proba(self, x, batch_size=32, verbose=1):
        """Generates class probability predictions for the input samples
        batch by batch.
        # Arguments
            x: input data, as a Numpy array or list of Numpy arrays
                (if the model has multiple inputs).
            batch_size: integer.
            verbose: verbosity mode, 0 or 1.
        # Returns
            A Numpy array of probability predictions.
        """
        preds = self.predict(x, batch_size, verbose)
        if preds.min() < 0. or preds.max() > 1.:
            warnings.warn('Network returning invalid probability values. '
                          'The last layer might not normalize predictions '
                          'into probabilities '
                          '(like softmax or sigmoid would).')
        return preds

So, in eine binäre Klassifikation Fall - die Ausgabe, die Sie erhalten, hängt von der Auslegung Ihres Netzwerks:

• wenn die endgültige Ausgabe in Ihrem Netzwerk erhalten wird, indem eine einzelne Sigma-Ausgang - dann wird die Ausgabe von predict_proba ist einfach eine Wahrscheinlichkeit zugeordnet zu Klasse 1.
• wenn die endgültige Ausgabe in Ihrem Netzwerk erhalten wird, indem eine zweidimensionale Ausgabe, auf die Sie sich bewerben, eine softmax - Funktion - dann ist die Ausgabe von predict_proba ist ein paar, wo [a, b] wo a = P(class(x) = 0) und b = P(class(x) = 1).

Diese zweite Methode wird nur selten verwendet, und es gibt einige theoretische Vorteile der Verwendung der ersten Methode, aber ich wollte Sie darüber informieren - just in case.