n*********2
发帖数: 357 | 1 新手写了一个小的基于TensowFlow的multiclass分类程序， 用于处理文本文件。先训
练建模， 再预测。TensorFlow 版本是2.2.0； TensorFlow KERAS 版本2.3.0-tf
训练的数据有9个类别/标签（labels， A, B, C, D, E, F, G, H, I)。
用于预测的代码是 predictions = model.predict([text_predict_vals])
这行代码的返回值是：
[[0.10891074 0.12031972 0.11711614 0.10049358 0.11124327 0.10936104 0.
11287923 0.1138045 0.10587183]] （模型的最后Dense层的activation是softmax;
模型现在还工作不好， 但是这个不是我要问的问题）
现在的问题是怎么把这些概率值映射回那九个标签(A-I)： 比如0.10891074 到A， 0.
12031972到B， 等等。
找了半天，没有找到对应的API; model.predict_classes（） 已经被deprecated了；
从建模的代码看，也不觉得第一个概率值就一定得映射回A， 因为数据在训练之前被
train_test_split()打乱过顺序，label也是sklearn.preprocessing LabelEncoder 编
码处理过的。 所以，那个模型应当不知道原来的标签，只知道LabelEncoder编码过的
标签 （比如 [0. 0. 0. 0. 0. 1. 0. 0. 0.]）。
放狗搜索发现这个问题被问了很多次， 那些回答也不工作了。
这个映射看起来是一个很基本的问题。这个映射有快速的解决办法吗？
谢谢。 | a***c
发帖数: 1 | 2 和split没关系，LabelEncoder.classes_ attribute holds the label for each
class. | E**********e
发帖数: 1736 | 3 np.argmax(pred, axis=-1) 即是文本类别。
这是很基本的classification。A,B,C....要先encode成1,2,3...
：新手写了一个小的基于TensowFlow的multiclass分类程序， 用于处理文本文件。先训
：练建模， 再预测。TensorFlow 版本是2.2.0； TensorFlow KERAS 版本2.3.0-tf |
|
