Android端ONNX sklearn模型仅返回类别标签，如何获取置信度？

一、先排查模型转换环节的问题 #

1. 检查转换代码的参数配置是否正确 #

sklearn转ONNX时，仅加zipmap参数不够，必须指定output_scores=True才能让模型输出概率分数。正确的转换配置应该是这样：

from skl2onnx import convert_sklearn
from skl2onnx.common.data_types import FloatTensorType

# 假设clf是你的训练好的分类器，n_features是输入特征数
initial_type = [('float_input', FloatTensorType([None, n_features]))]
# 关键配置：让分类器输出概率，zipmap=False让概率以数组形式输出（而非字典）
options = {type(clf): {"output_scores": True, "zipmap": False}}
onnx_model = convert_sklearn(clf, initial_types=initial_type, options=options)

# 保存模型
with open("your_model.onnx", "wb") as f:
    f.write(onnx_model.SerializeToString())

2. 验证转换后的模型输出节点 #

用Netron工具打开转换好的ONNX模型，查看输出节点：

• 如果模型有两个输出（比如label和probabilities），说明转换没问题；
• 如果只有一个输出节点（仅类别标签），说明转换时的配置没生效，需要重新调整参数后转换。

二、再排查Android调用环节的问题 #

1. 确认是否指定了所有输出节点 #

OrtSession.run()默认只返回第一个输出节点（通常是类别标签），必须明确指定要获取的输出节点名称才能拿到概率。修改Android代码如下：

// 获取所有输出节点信息并打印
List<OrtSession.OutputInfo> outputInfoList = ortSession.getOutputInfo().values().stream().toList();
for (OrtSession.OutputInfo info : outputInfoList) {
    Log.d("ONNX_DEBUG", "输出节点名称：" + info.getName());
}

// 构造输出节点名称数组，同时获取标签和概率
String[] outputNames = new String[outputInfoList.size()];
for (int i = 0; i < outputInfoList.size(); i++) {
    outputNames[i] = outputInfoList.get(i).getName();
}

// 调用模型时指定输出节点
OrtSession.Result result = ortSession.run(
    Collections.singletonMap(inputName, inputTensor),
    List.of(outputNames)
);

// 读取概率结果
float[][] probabilities = (float[][]) result.get(1).getValue();

2. 检查版本兼容性 #

你用的ONNX Runtime是1.14.1，确认Python端转换模型时用的skl2onnx和onnxruntime版本是否和Android端兼容。如果版本差异过大，可能导致输出节点不匹配，建议升级skl2onnx到最新稳定版后重新转换模型。

3. 确认输入数据格式一致 #

Android端的输入数据维度、数据类型要和Python测试时完全一致：

• 比如Python用的是float32类型，Android也要用float数组；
• 输入维度（比如batch size、特征数）必须和模型要求匹配。

三、快速排查步骤 #

1. 用Netron看模型输出节点，确认是否有概率输出；
2. 对比Python测试代码，确认Python是通过获取第二个输出节点拿到概率的；
3. 修改Android代码，打印所有输出节点名称，然后指定输出节点调用模型；
4. 如果还是不行，重新转换模型，确保加上output_scores=True配置。

内容的提问来源于stack exchange，提问作者ImMathan