Python 我应该如何解释稀疏分类交叉熵函数的输出？

作为输入，a的浮点值为1.0或0.0。当我尝试用我的模型和

sparse\u categorical\u crossentropy

损失进行预测时，我得到如下结果：

[[0.4846592 0.5153408]]

---

我如何知道它预测的是什么类别？

您看到的这些数字是给定输入样本中每个类别的概率。例如，

[[0.4846592 0.5153408]

表示给定样本属于0类，概率约为0.48，属于1类，概率约为0.51。因此，您希望选择概率最高的类，因此您可以使用查找哪个索引（即0或1）是最大的：

import numpy as np

pred_class = np.argmax(probs, axis=-1) 

---

此外，这与模型的损失函数无关。这些概率由模型中的最后一层给出，该层很可能使用

softmax

作为激活函数，将输出标准化为概率分布。

我知道这是一个老问题，但您如何知道“0类”指的是哪个类别名称？sklearn@alan.elkin的一个热编码器中是否有类似OHE.categories的东西？如果使用

sparse\u categorical\u crossentropy

，您分配给数字0的类别实际上是0类；您分配给编号1的类别实际上是类别1；等等例如，如果使用from sklearn，则可以通过

.classes\uu

属性找到此映射（请参阅文档和示例）。