Почему я получаю список списков в качестве вывода для model.predict в keras
Мой вывод при использовании model.predict с моим тестовым набором показан ниже. Тогда как точность моих эпох была в диапазоне 0,8.
`[[1.63658711e-04 9.99836326e-01]
[2.59015225e-02 9.74098504e-01]
[9.78065059e-02 9.02193546e-01]
[1.09802298e-02 9.89019811e-01]
[3.25678848e-04 9.99674320e-01]
[3.48023442e-03 9.96519804e-01]
[1.56172812e-02 9.84382689e-01]
[4.83522518e-03 9.95164752e-01]
[6.11863611e-03 9.93881345e-01]
[3.42085288e-04 9.99657869e-01]
[5.51505107e-03 9.94484961e-01]...]'
Моя цель состоит в том, чтобы предсказать, есть ли у человека заболевание сердца, как мне сравнить значения моего тестового набора и мои истинные значения и узнать производительность моей модели.
Ответы 1
Я предполагаю, что без какого-либо кода вы классифицируете два класса. Два выхода — это вероятность того, что полученные данные относятся к тому или иному классу.
[1.63658711e-04 9.99836326e-01]
Это показывает нам, что он считает, что вероятность класса 1 составляет 0,000163658 (0,0163658%), а класса 2 — 0,999836 (99,836%).
Я предполагаю, что класс 1 - это болезнь сердца, а класс 2 - не болезнь сердца, основываясь на количестве каждого из них.
Большое спасибо, я использовал порог 0,7, чтобы классифицировать их на 0 или 1, и это заработало.