我正在开发一个神经网络，以对使用k-means预先计算的类别进行分类。

数据集看起来像这样：

50,12500,2,1,550,8500,2,1,1550,6000,2,1,950,8500,2,1,15

其中最后一行为结果行。以下是我尝试使用的Python代码，使用的是Keras库：

import numpyimport pandasfrom keras.models import Sequentialfrom keras.layers import Dense,Dropoutfrom keras.wrappers.scikit_learn import KerasClassifierfrom keras.utils import np_utilsfrom sklearn.model_selection import cross_val_scorefrom sklearn.model_selection import KFoldfrom sklearn.preprocessing import LabelEncoderfrom sklearn.pipeline import Pipeline# fix random seed for reproducibilityseed = 7numpy.random.seed(seed)# load datasetdataset = numpy.genfromtxt ('../r-calculations/k-means/output16.csv', delimiter=",")X = dataset[:,0:4].astype(float)Y = dataset[:,4]print(Y[0])Y = np_utils.to_categorical(Y)model = Sequential()model.add(Dense(5, activation='tanh', input_dim=4))#model.add(Dropout(0.25))model.add(Dense(10, activation='tanh'))#model.add(Dropout(0.25))model.add(Dense(10, activation='relu'))#model.add(Dropout(0.25))model.add(Dense(17, activation='softmax'))model.compile(optimizer='adam',              loss='categorical_crossentropy',              metrics=['accuracy'])model.fit(X,Y, epochs=10, batch_size=10)#print( model.predict(numpy.array([2,36,2,5,2384,1,2,4,3,1,1,4,33,3,1,1,2,1,1,1]).reshape((1,20))) )#print( model.predict(numpy.array(X[0]).reshape((1,4))) )#print( model.predict(numpy.array(X[1]).reshape((1,4))) )#print( model.predict(numpy.array(X[2]).reshape((1,4))) )result = model.predict(numpy.array(X[0]).reshape((1,4)))for res in result[0]:    print res

如果我理解正确，现在我得到的是每个类别的概率作为输出。我在调用”to_categorical”之后，如何找回标签呢？

有没有办法得到类别编号，而不是每个类别的概率呢？

目前看来似乎运行得不对，损失值很大，约为2，准确率约为0.29，而且无法收敛。我做错了什么？

更新 3月19日到目前为止，我已经解决了我的问题，我多次更改了模型，最后找到了工作配置。

回答：

如果你想要类别而不是概率，你可以对你的预测结果调用numpy的argmax函数。

或者使用更方便的predict_classes函数来代替predict

result = model.predict_classes(numpy.array(X[0]).reshape((1,4)))

至于你的结果，你可以尝试多运行几个epochs，但很难说哪里出了问题。可能是你的训练数据质量差，初始化不好，数据量不足，或者模型不好（我建议只使用relu激活函数）。