TensorFlow中DNNClassifier预测概率含义咨询

嘿，我来帮你搞清楚这个困惑！你遇到的情况其实是因为你的DNNClassifier把任务当成了三分类任务来处理，但实际上你只有两个类别，所以第三个概率值对应的是一个几乎没有样本的“空类别”，具体原因和解决方法如下：

核心原因 #

你的分类器输出3个概率，是因为它识别到了3个类别索引——大概率是下面两种情况之一：

• 你在初始化DNNClassifier时，没有明确设置n_classes=2，分类器自动从训练数据的标签里推断类别数量，而你的标签里可能不小心混入了第三个值（比如标签取值是0、1、2，但只有0和1有实际样本）；
• 或者你误将n_classes参数设成了3，导致分类器按三分类模式训练。

每个概率值对应的是对应类别索引的预测概率，比如你输出里的：

Prediction 1: [ 5.11678644e-02 9.48832154e-01 3.84762299e-37]
这里第一个值是类别0的概率（约5.1%），第二个是类别1的概率（约94.9%），第三个是类别2的概率（几乎为0，因为没有训练样本属于这个类别）。

验证与解决方法 #

你可以通过以下步骤确认并修正：

• 检查DNNClassifier的初始化代码，确保设置了n_classes=2，比如：

  classifier = tf.estimator.DNNClassifier(
      feature_columns=feature_columns,
      hidden_units=[10, 20, 10],
      n_classes=2  # 明确指定二分类
  )
  

• 运行print(classifier.classes_)，这个属性会输出分类器识别到的所有类别列表，一眼就能看到它到底认为有几个类别；
• 核对训练数据的标签列，确保所有标签只有两个不同的取值（比如0和1），没有多余的类别值混入。

这样调整后，你的预测输出就会变成只有两个概率值，分别对应你的两个实际类别啦！

内容的提问来源于stack exchange，提问作者Abigail Fox