Machine learning 将神经网络输出转换为类

我在卡格尔工作

它有5个课程-‘商业’、‘科技’、‘政治’、‘体育’、‘娱乐’

我已经训练了我的深度学习模型，并得到了测试集的结果。但我得到的结果是不同类别的概率列表

如何从我得到的输出中获得实际的类（标签）

我的神经网络架构如下所示-

---

您应该选择具有最高值的条目作为预测类。例如，在您提供的示例中：

[0.045,0.030,0.015,0.889,0.019]

，预测的类是具有最高概率值的第四类（即，

idx=3

）

---

NumPy的功能可能是您应该使用的。考虑到

pred

是来自网络的输出概率，其形式为：

（批次大小，数量标签）

，则

np.argmax（pred，axis=1）

将为您提供与预测类相关联的索引（即标签）。

概率的最大值对应于该标签。例如，如果第四项的概率最大，则表示标签为“运动”。使用标准的if-else语句来实现这一点。@AditiSingh，我明白了！谢谢你的帮助。