我正在处理Kaggle上的文档分类问题。

它有5个类别 – ‘商业’, ‘技术’, ‘政治’, ‘体育’, ‘娱乐’

我已经训练了我的深度学习模型，并且也获得了测试集的结果。但我得到的结果是不同类别的概率列表。

一行的输出

如何从我得到的输出中获取实际的类别（标签）？

我的神经网络架构如下 –

网络架构

回答：

你应该选择数值最高的条目作为预测的类别。例如，在你提供的例子中：[0.045, 0.030, 0.015, 0.889, 0.019]，预测的类别是第四个类别（即，idx=3），它具有最高的概率值。

NumPy的argmax函数可能正是你需要的。假设pred是你网络输出的概率，形状为：(batch_size, num_labels)，那么np.argmax(pred, axis=1)将为你提供与预测类别相关的索引（即，标签）。