我有一个基于某些条件对场所进行分类的模型，它有10个类别，我想知道模型对每个类别的预测置信度得分是多少？

我的代码：结果是一个模型进行预测的数组

        predictions=model.predict(result)        confidence_score= model.predict_proba(list(result))

model.predict 只返回一个单一的值，而confidence score则包含每个类别的得分列表，如下所示：

[[0.       0.14       0.       0.       0.       0.56       0.       0.17  0.1      0.01       0.       0.20       0.       0.       0.002    0.01]]

它应该也返回每个类别的类别标签，例如：类别A发生的概率为0.2%，等等。

labelencoder.inverse_transform(predictions) 

输出应该看起来像这样：

{类别标签A : 概率得分 , 类别标签B: 概率得分 ....}

使用以下代码可以得到输出：

      dictionary=[dict(zip(labelencoder.classes_, cs)) for cs in confidence_score]输出   {Covent Garden': 0.0, 'London Cocktail Club - Liverpool Street': 0.0,'Lost Society Battersea': 0.0, 'Lost Society Putney': 0.94.....}

在这种情况下，你可以看到Lost Society的置信度得分更高，但当我使用model.predict时，它返回的是其他标签而不是这个，我在代码中已经写明要预测得分最高的类别。

我的代码：        predictions=model.predict(result) //返回单一数字         confidence_score= model.predict_proba(list(result))        dictionary=[dict(zip(labelencoder.classes_, cs)) for cs in confidence_score]        print(dictionary)                    print("推荐的此类别场所是",labelencoder.inverse_transform(predictions))        print("置信度得分 : ", np.max(confidence_score))        return labelencoder.inverse_transform(predictions),np.max(confidence_score)

回答：

我们可以使用zip函数将labelencoder.classes_和confidence_score结合起来，并将zip对象传递给dict以创建一个字典

dict(zip(labelencoder.classes_, confidence_score.squeeze()))

如果你想一次预测多个样本

[dict(zip(labelencoder.classes_, cs)) for cs in confidence_score]