Python 使用TensorFlow，在给定一组新特性的情况下，如何让它为您提供预测？

你会如何去问：

我刚从野外采集了一个新的虹膜标本。我有它的萼片长度，萼片宽度，花瓣长度，花瓣宽度

请告诉我物种和预测的准确性

从以下代码开始：

import tensorflow.contrib.learn as skflow
from sklearn import datasets, metrics

iris = datasets.load_iris()
classifier = skflow.TensorFlowDNNClassifier(hidden_units=[10, 20, 10], n_classes=3)
classifier.fit(iris.data, iris.target)
score = metrics.accuracy_score(iris.target, classifier.predict(iris.data))
print("Accuracy: %f" % score)

---

只需在一个包含单个元素的列表上调用predict，即您的新观察值。但是你不能得到准确度，准确度是正确答案的百分比，因此你需要一个新虹膜的真实等级。如果你有-你可以得到正确的预测（100%准确率）或错误的预测（0%），没有其他可能。我想他指的是预测的置信度（SoftMax值）。找到排名前1或前5的API；这些应该是直接转化为置信度比例的标准化分数。鉴于上面的代码，您将如何调用单个元素的predict，以及它的结果是什么。这个谜题似乎没有出现在教程中。只需在一个包含单个元素的列表中调用predict—您的新观察值。但是你不能得到准确度，准确度是正确答案的百分比，因此你需要一个新虹膜的真实等级。如果你有-你可以得到正确的预测（100%准确率）或错误的预测（0%），没有其他可能。我想他指的是预测的置信度（SoftMax值）。找到排名前1或前5的API；这些应该是直接转化为置信度比例的标准化分数。鉴于上面的代码，您将如何调用单个元素的predict，以及它的结果是什么。这个谜题似乎没有出现在教程中。