Python keras模型预测产量是什么？

我已经建立了一个LSTM模型（见下文）并对其进行了培训。当我做二元分类时，我的损失函数是二元交叉熵。训练y数据是一组0和1

当我运行

model.predict（x\u test\u scaled）

时，我得到一组值在0到1之间的单个序列。我猜这是一个概率，但它是输出=0还是输出=1的概率

model = Sequential()

model.add(LSTM(units=512, input_shape = (X_train.shape[1],X_train.shape[2]), return_sequences=True)) 
model.add(Dropout(0.3))

model.add(LSTM(units=512, return_sequences=False))
model.add(Dropout(0.3))
    

model.add(Dense(264),  activation = 'tanh')

model.add(Dense(1))

---

它最有可能输出AI的准确度，AI的准确度越高越好，你可以使用它在训练过程中调整一些设置以获得更高的准确度

---

如果我错了，请纠正我

我对ANN很生疏，但也许我能帮上忙

Model.predict

通过模型传递输入向量，并返回每个数据点的输出张量。 由于模型中的最后一层是单个密集神经元，因此任何数据点的输出都是单个值。由于您没有为最后一层指定激活，它将默认为线性激活

因为您要解决一个分类问题，所以可能需要激活

sigmoid

。如果记忆没有背叛我，我相信你可以把它作为一个有两个类的多类分类来解决（基本上是两个输出神经元，激活softmax）。本质上，行激活不适合分类问题

更多注意事项：了解您的模型

如果你想理解你得到的输出，你必须理解你训练模型去解决的任务

对于每个数据点，您告诉模型

此项的输出为1

或

此项的输出为0

。但它不是将输出视为输入的类，而是将其视为范围[0,1]中的值。它被训练成在这个范围内发射值

查看训练

y

张量。假设

0

的输出与第一类匹配，而

1

的输出与第二类匹配

在这种情况下，模型对输入的确定程度越高，其输出距离0.5越远

因此，值

0.1

表示您的模型在某种程度上属于

类别1

（接近输出值

0

）。 如果输出为

0.9999

，则认为输入属于

类2

非常高的确定性（输出非常接近1）。 另一方面，如果输出类似于

0.45

（非常接近

0.5

），那么模型认为“可能输入属于类1，但我完全不确定

---

希望这有点帮助，我也会对任何更准确的答案进行投票。

请重复并从中删除。堆栈溢出不是为了取代现有的教程和文档。有关Keras和建模的各种文档通常描述了如何解释输出。我们希望您已经阅读了足够的内容，以获得特定的qu我已经阅读了这个网站上的文档。它实际上没有涉及如何解释输出。它说的是“为输入样本生成输出预测”。“，但这并没有真正的帮助。这就是为什么我让您参阅多个文档的原因。您需要阅读您所培训的特定型号的产品。我很乐意阅读相关文档，如果您知道这些信息，请提供相关文档的链接。。。。这也是堆栈溢出的主题。我无法知道哪些文档与您的阅读水平、学习风格等相匹配。请参阅和模型。评估输出的准确性和损失。model.predict用于预测您的测试集或验证，无论您想预测什么。然而，准确度并不是一个好的衡量标准。哦，好的，谢谢你纠正我。