如何在LSTM模型中获取邮件垃圾/非垃圾分类的预测结果？

Hey there! Let's tackle your two main questions about using your trained LSTM model for spam/ham classification, step by step.

1. 理解model.predict()输出的二维数组含义 #

你看到的array([[9.9973804e-01, 2.6198191e-04], ...], dtype=float32)是模型对每个输入样本输出的类别概率分布：

• 每个子数组的两个元素，分别对应模型预测该样本属于类别0、类别1的概率（两个值的总和接近1）
• 结合你提供的评估结果来看：
  • support: [980 135]说明测试集中类别0有980个样本，类别1有135个样本
  • 这类任务里通常数量多的是正常邮件（ham），数量少的是垃圾邮件（spam），所以这里类别0对应ham，类别1对应spam

2. 把预测结果转换为"spam"/"ham"标识 #

有两种常用方法将概率数组转为明确的类别标识，和你评估代码的逻辑匹配：

方法一：用round()取整（和评估代码一致） #

当类别0的概率>0.5时，round()会得到0；类别1概率>0.5时得到1，再映射为文字：

import numpy as np

# 假设predicted是model.predict()的输出
predicted = model.predict(test_data)
# 把概率转成0/1类别标签
predicted_labels = predicted.round().astype(int)
# 映射为spam/ham
label_map = {0: "ham", 1: "spam"}
predicted_text = [label_map[label[0]] for label in predicted_labels]

方法二：用argmax取概率最大的类别 #

如果需要更灵活的阈值逻辑，直接取概率最高的类别索引即可：

# 取每个样本概率最大的类别索引
predicted_labels = np.argmax(predicted, axis=1)
# 映射为文字
label_map = {0: "ham", 1: "spam"}
predicted_text = [label_map[label] for label in predicted_labels]

从你的模型输出来看，两种方法结果一致——因为模型对两类的概率区分度很高（比如第一个样本99.97%是ham，仅0.03%是spam）。

3. 输入新邮件文本并得到分类结果 #

新邮件必须和训练数据做完全一致的预处理，具体步骤如下：

步骤1：复用训练时的预处理流程 #

假设你训练时用了Tokenizer和序列补全，注意必须用训练时保存的tokenizer，不能重新创建：

from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences

# 如果之前没保存tokenizer，训练时要执行：tokenizer.save('tokenizer.json')
# 加载tokenizer的方法：
# import json
# from tensorflow.keras.preprocessing.text import tokenizer_from_json
# with open('tokenizer.json') as f:
#     tokenizer_data = json.load(f)
#     tokenizer = tokenizer_from_json(tokenizer_data)

# 预处理函数：和训练逻辑对齐
def preprocess_new_email(text, tokenizer, max_seq_length):
    # 转换为序列
    seq = tokenizer.texts_to_sequences([text])
    # 补全到训练时的序列长度（和test_data的长度一致）
    padded_seq = pad_sequences(seq, maxlen=max_seq_length)
    return padded_seq

# 获取训练时的序列长度
max_seq_length = test_data.shape[1]

步骤2：预测并输出结果 #

# 新邮件示例
new_email = "Win a free iPhone now! Click the link below to claim your prize."

# 预处理新邮件
processed_email = preprocess_new_email(new_email, tokenizer, max_seq_length)

# 预测概率
predicted_prob = model.predict(processed_email)

# 转换为spam/ham标识
predicted_label = np.argmax(predicted_prob, axis=1)[0]
label_map = {0: "ham", 1: "spam"}
result = label_map[predicted_label]

print(f"This email is: {result}")
print(f"Probability breakdown - ham: {predicted_prob[0][0]:.4f}, spam: {predicted_prob[0][1]:.4f}")

附：你提供的模型评估代码与结果 #

评估代码 #

import sklearn
from sklearn.metrics import precision_recall_fscore_support as score

# prediction on test data
predicted_blstm=model.predict(test_data)
predicted_blstm

# model evaluation
precision, recall, fscore, support = score(labels_test, predicted_blstm.round())
print('precision: {}'.format(precision))
print('recall: {}'.format(recall))
print('fscore: {}'.format(fscore))
print('support: {}'.format(support))
print("############################")
print(sklearn.metrics.classification_report(labels_test, predicted_blstm.round()))

运行结果 #

precision: [0.98782961 0.95348837]
recall: [0.99387755 0.91111111]
fscore: [0.99084435 0.93181818]
support: [980 135]
############################
precision    recall  f1-score   support
0       0.99      0.99      0.99       980
1       0.95      0.91      0.93       135
micro avg       0.98      0.98      0.98      1115
macro avg       0.97      0.95      0.96      1115
weighted avg       0.98      0.98      0.98      1115
samples avg       0.98      0.98      0.98      1115

内容的提问来源于stack exchange，提问作者Aster Lin