如何对Keras中model.predict函数的输出结果进行升序排序？

你遇到的问题核心是model.predict()的返回值结构和numpy排序的默认参数不匹配：
model.predict()输出的是形状为(样本数量, 1)的二维数组，你之前的写法问题如下：

• np.sort(model.predict(data))：numpy的sort方法默认沿最后一个轴（axis=-1）排序，相当于对每个样本内部的单个数值单独排序，完全不会触发全局的数值排序
• np.argsort(model.predict(data))：这个方法返回的是排序后的位置索引，不是实际的数值结果，自然不符合预期

方法1：降为一维数组后全局排序（最常用） #

如果后续需要一维的排序结果，先调用flatten()把二维数组压平为一维，再执行排序：

pred = np.sort(model.predict(data).flatten())

方法2：保持二维结构排序 #

如果需要保留(样本数量, 1)的二维输出结构，直接指定排序轴为第0轴即可：

pred = np.sort(model.predict(data), axis=0)

效果验证 #

以你给出的样例输出数组为例，两种方法排序后的数值顺序均为升序：

[ 6.2621603, 14.3797455, 15.176579, 16.25976, 16.672417, 17.346558, 17.85637, 17.967245, 20.261982, 20.35404, 23.327494, 25.672846, 27.06339, 35.517834 ]

内容的提问来源于stack exchange，提问作者Hunter