我已经构建了一个用于推文情感检测的CNN模型，最后一步如下：

tweets_emotion = model.predict(val_tweets, verbose= 0)

这给了我这样的预测输出

array([[3.1052819e-01, 2.7634043e-01, 1.6270137e-03, 7.7674150e-01],       [5.0230421e-02, 7.7430069e-01, 7.7313791e-09, 2.0278792e-01],       [9.9952579e-01, 1.3450404e-03, 5.8804121e-20, 3.2991991e-07],       ...,       [3.9727339e-01, 2.8888196e-01, 1.9649005e-02, 2.1239746e-01],       [1.2528910e-01, 3.2127723e-01, 3.2503495e-03, 5.5401272e-01],       [5.8543805e-02, 4.5720499e-05, 2.9060062e-12, 9.3766922e-01]],      dtype=float32)

我的实际输出应该看起来像这样：

array([[1., 0., 0., 0.],       [1., 0., 0., 0.],       [1., 0., 0., 0.],       ...,       [0., 0., 0., 1.],       [0., 0., 0., 1.],       [0., 0., 0., 1.]], dtype=float32)

有没有办法将我的预测输出（tweets_emotion）转换成我期望的输出格式呢？

回答：

使用您这里展示的6个预测示例：

import numpy as nptweets_emotion = np.array([[3.1052819e-01, 2.7634043e-01, 1.6270137e-03, 7.7674150e-01],                           [5.0230421e-02, 7.7430069e-01, 7.7313791e-09, 2.0278792e-01],                           [9.9952579e-01, 1.3450404e-03, 5.8804121e-20, 3.2991991e-07],                           [3.9727339e-01, 2.8888196e-01, 1.9649005e-02, 2.1239746e-01],                           [1.2528910e-01, 3.2127723e-01, 3.2503495e-03, 5.5401272e-01],                           [5.8543805e-02, 4.5720499e-05, 2.9060062e-12, 9.3766922e-01]])tweets_emotion_class = np.argmax(tweets_emotion, axis=1)tweets_emotion_class# array([3, 1, 0, 0, 3, 3])

您可以通过简单的视觉检查来验证，确实，每个数组元素的最大值就是tweets_emotion_class中显示的值。

虽然与您的问题无关，但正如评论中提到的，在单标签多类别设置中使用one-hot编码标签时，最后一层网络的sigmoid激活函数是不合适的，像您的情况一样 – 您应该将其更改为softmax。