TensorFlow Keras CategoricalCrossentropy模型预测结果存储位置问询

你当前的问题是没有调用模型的预测方法生成预测值，y_test只是拆分出来的真实标签，y_true和y_pred需要你手动生成。以下是具体步骤：

1. 生成模型预测值 #

训练完成后，调用model.predict()方法传入测试数据即可得到预测结果。根据你的代码，有两种方式：

方式一：直接用测试特征矩阵X_test

# 生成测试集每个样本的类别概率（softmax输出）
y_pred_probs = model.predict(X_test, verbose=0)
# 将概率转换为类别标签（取概率最大的类别索引）
y_pred = y_pred_probs.argmax(axis=1)

方式二：用已创建的validation_dataset

# 从验证数据集生成预测概率
y_pred_probs = model.predict(validation_dataset, verbose=0)
y_pred = y_pred_probs.argmax(axis=1)

注：verbose=0是关闭预测过程的日志输出，可根据需要调整为1或2。

2. 转换真实标签格式 #

因为你用了CategoricalCrossentropy损失函数，y_test应该是one-hot编码的格式。要和预测标签对比，需要把它转成类别索引：

# 将one-hot编码的真实标签转换为类别索引
y_true = y_test.argmax(axis=1)

3. 验证结果 #

现在可以打印真实标签和预测标签对比：

print("前10个真实标签：", y_true[:10])
print("前10个预测标签：", y_pred[:10])

关键说明 #

• model.fit()返回的history对象只记录训练过程中的指标变化（比如精度、损失），不会自动生成或保存预测值，必须手动调用predict()方法。
• 模型最后一层用了softmax激活，输出的是每个类别的概率值，所以需要用argmax(axis=1)提取概率最大的类别，得到和真实标签对应的索引值。

内容的提问来源于stack exchange，提问作者joshAU