Keras图像二值分类，哪个类别的概率为0和1？使用函数式API

在实现二进制分类时，大多数人使用

sigmoid

函数作为最后一层的激活。据我所知，

sigmoid

函数给出了介于0和1之间的概率，我们设置了一个阈值（主要是0.5）来确定类别标签

然而，我很困惑，那个概率是多少？假设我有两个类

A

和

B

，我得到了预测结果

p

或

p%

。是成为

A类
的概率还是不是
A类
的概率（即
B
）

如果以前有人问过这个问题，我很抱歉，但我找不到。因为我使用的是
Keras函数API
，所以我不能使用
predict\u classes（）
函数。另外，我主要使用生成器来加载我的数据集，主要是
flow\u from\u dataframe（）
from
ImageDatagenerator
，您可以在其中提供类标签或类列表。在我的例子中，数据帧中有两个字符串“真”或“假”

还有没有一种方法可以设置我想要哪个类的概率

这是成为A级的概率还是不是
属于A类（即B类）

不是真的。比如说，sigmoid的输出为0.8，所以这并不意味着每个类的网络输出概率，因为sigmoid的输出总和不等于1。换句话说，输出为0.8并不表示该输出有可能属于概率为0.2的其他类别

此外，在二元分类中，使用S形网络输出p（y=1）。然后根据概率的定义p（y=0）=1-p（y=1）。对于简单的二元分类，它们加起来只有一个

如果您想查看每个类别的概率，应使用
softmax
激活，因为其输出总和为1。您可以将
softmax
输出解释为概率

另一方面，这些模型不是概率的，而是确定性的。因此，将
softmax
的输出解释为概率是常见的，但它们之间没有数学联系

还有没有一种方法可以设置我想要哪个类的概率

您可以设置各种阈值，即大多数为0.5，但这取决于您的数据和问题。您可以更改阈值以了解其如何影响AUC-ROC，通过解释更改，您可以得出最适合您的阈值

如果要确定类别，可以使用，请注意，0.5是阈值，您可以更改它：

predicted_classes = [1 * (x[0]>=0.5) for x in preds_sigmoid]

这里，如果输出大于0.5，则它属于第二类。
除非明确提及，否则图像生成器将按字母顺序遍历所有文件夹。所以在你的情况下，假的概率在0到0.5之间。@clinsin我的回答没有帮助？@Frightera是的，它很有帮助。感谢您解释乙状结肠功能。