如何从y_pred获取模型预测类别？预测结果超出预期范围求助

核心修复：使用模型的predict方法做预测 #

你当前代码的关键错误是直接用loaded_model(X_test)调用模型，这不是Keras模型进行预测的正确方式，应该调用predict方法：

# 替换错误代码
predict_x = loaded_model.predict(X_test)
y_pred = np.argmax(predict_x, axis=1)

额外排查步骤（如果修复后仍有问题） #

1. 验证模型加载的正确性

   • 检查输出层的神经元数量是否对应你的5个类别（0-4），确保输出层定义为Dense(5, activation='softmax')。
   • 确认模型结构和权重的加载代码正确：

     from tensorflow.keras.models import model_from_json
     
     # 加载结构
     with open('model_structure.json', 'r') as f:
         loaded_model = model_from_json(f.read())
     # 加载权重
     loaded_model.load_weights('model_weights.h5')
     # 必须编译模型（匹配训练时的损失函数和优化器）
     loaded_model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
     

2. 确保测试数据和训练数据预处理一致

   • 如果训练时对输入做了归一化、缩放或维度转换，测试数据必须执行完全相同的操作（不能重新拟合预处理工具）：

     # 示例：训练时用了StandardScaler
     from sklearn.preprocessing import StandardScaler
     scaler = StandardScaler()
     # 训练时：X_train = scaler.fit_transform(X_train)
     # 测试时：必须用transform，不能fit
     X_test = scaler.transform(X_test)
     

   • 检查输入数据的形状是否和模型输入一致，比如模型输入是(None, 28, 28, 1)，测试数据需要reshape到对应形状。

3. 确认np.argmax的axis参数正确

   • 若predict_x的形状是(样本数, 5)，axis=1是正确的（取每个样本概率最大的类别索引）；如果输出是其他维度（比如CNN的多维度输出），需要调整axis值。

完整验证代码示例 #

import numpy as np
import pandas as pd
from tensorflow.keras.models import model_from_json

# 加载模型
with open('model_structure.json', 'r') as f:
    loaded_model = model_from_json(f.read())
loaded_model.load_weights('model_weights.h5')
loaded_model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# 加载测试数据（根据你的CSV结构调整）
test_data = pd.read_csv('test_labels.csv')
X_test = test_data.drop('true_label', axis=1).values
y_true = test_data['true_label'].values

# 预处理测试数据（和训练时一致）
X_test = X_test / 255.0  # 示例：归一化到0-1
# X_test = X_test.reshape(-1, 28, 28, 1)  # 如果是CNN模型，调整维度

# 预测
predict_probs = loaded_model.predict(X_test)
y_pred = np.argmax(predict_probs, axis=1)

# 对比真实标签和预测标签
accuracy = np.mean(y_pred == y_true)
print(f"测试准确率：{accuracy:.4f}")

# 遍历查看结果
for idx, (pred, true) in enumerate(zip(y_pred, y_true)):
    print(f"样本{idx}: 预测={pred}, 真实={true}")

内容的提问来源于stack exchange，提问作者بتول