在神经网络的输入端,我提交了一个文本,它应该分为 3 类。得到以下回复:
[[0.4575766 0.45049337 0.45947695]
[0.43210754 0.41918626 0.43070686]
[0.43210754 0.41918626 0.43070686]
...
[0.4575766 0.45049337 0.45947695]
[0.4575766 0.45049337 0.45947695]
[0.4575766 0.45049337 0.45947695]]
长度等于文本中单词数的数组列表。
问题:
如何进一步处理这些数据?
完整脚本代码: https ://pastebin.com/ufJZE4Jr
model.predict() 返回类成员的概率矩阵。那些。在输出矩阵的每一行中,您会得到一个给定元素属于三个类中的每一个的概率。
要选择概率最大的类,可以使用函数np.argmax(matrix, axis=1)
例子: