Keras废弃predict_proba后，如何获取模型预测结果的置信度百分比？

从TensorFlow 2.x版本开始，Keras官方正式废弃了predict_proba、predict_classes两个专用预测方法，相关能力已经直接合并到model.predict()方法中，你的场景无需修改模型结构，只需要调整预测后的处理逻辑即可。

你的模型输出层采用sigmoid激活函数，model.predict()返回的结果本身就是0~1区间的正类预测概率，直接基于该数值计算即可：

• 类别判定：默认以0.5为阈值，概率≥0.5判定为正类，反之判定为负类
• 置信度计算：取判定类的对应概率乘以100，保留两位小数就是百分比置信度

你可以直接将预测部分的代码修改为如下逻辑：

# 原有预测代码不变
ynew = model.predict(prepare('dog.9505.jpg'))
# 提取概率值，去掉多余维度
prob = ynew[0][0]
# 按0.5阈值判定类别，这里假设正类为狗、负类为猫，可根据你自己的标签规则调整
if prob >= 0.5:
    pred_class = "狗"
    confidence = prob * 100
else:
    pred_class = "猫"
    confidence = (1 - prob) * 100
# 输出结果
print(f"预测类别：{pred_class}，置信度：{confidence:.2f}%")

补充说明 #

如果后续你使用多分类模型，输出层采用softmax激活，model.predict()会返回每个类别的对应概率，取最大概率对应的类别为预测结果，最大概率乘以100就是该类的置信度，规则和二分类兼容。

内容的提问来源于stack exchange，提问作者Bastireal