Tensorflow中tf.multinomial样本的返回关联概率
在TensorFlow中，tf.multinomial函数用于从多项式分布中抽取样本，并返回与每个样本相关联的概率。
多项式分布是一种离散概率分布，用于描述在具有多个可能结果的试验中，每个结果发生的概率。tf.multinomial函数接受两个参数：logits和num_samples。
logits是一个张量，表示每个类别的对数概率。它可以是任意形状的张量，其中每个元素对应于一个类别的对数概率。例如，如果有3个类别，可以使用形状为(3,)的一维张量表示对数概率。
num_samples是一个标量整数，表示要抽取的样本数量。
tf.multinomial函数将根据logits中每个类别的对数概率，抽取num_samples个样本，并返回一个整数张量，其中每个元素表示抽取的样本的类别索引。
此外，tf.multinomial函数还返回一个浮点数张量，其中每个元素表示与抽取的样本相关联的概率。这些概率是根据logits中每个类别的对数概率计算得出的。
tf.multinomial函数的应用场景包括但不限于以下几个方面：
- 生成随机样本：可以使用tf.multinomial函数生成服从多项式分布的随机样本，用于模拟实验或生成随机数据。
- 强化学习：在强化学习中，tf.multinomial函数可以用于选择动作，其中每个动作的概率由logits表示。
- 自然语言处理：在自然语言处理任务中，可以使用tf.multinomial函数生成下一个单词的概率分布，用于语言模型的训练或生成文本。
腾讯云提供了多个与TensorFlow相关的产品和服务，可以帮助开发者在云计算环境中使用TensorFlow进行模型训练和推理。其中，腾讯云AI引擎（https://cloud.tencent.com/product/tai）是一个全面支持TensorFlow的人工智能计算平台，提供了强大的计算资源和AI算法库，方便开发者进行模型训练和推理。此外，腾讯云还提供了云服务器、云数据库、云存储等基础设施服务，以及云安全、云原生等解决方案，可以满足不同场景下的需求。
注意：本答案仅供参考，具体产品和服务以腾讯云官方网站为准。
相关·内容
1回答
我试图从Bernoulli分布w.r.t计算样本的梯度。(样本为1的)概率p。
我尝试使用tensorflow.contrib.distributions中提供的伯努利分布的实现和基于这个的我自己的简单实现。然而，当我尝试计算梯度时，这两种方法都失败了。
使用Bernoulli实现：
import tensorflow as tf
from tensorflow.contrib.distributions import Bernoulli
p = tf.constant([0.2, 0.6])
b = Bernoulli(p=p)
s = b.sample()
g = tf.gradient
浏览 27提问于2017-01-31得票数 4
回答已采纳
1回答
如何在中创建用于采样的自定义层？
、、、、
我正在Keras构建一个带有Tensorflow后端的CNN，我想介绍一个应该执行以下操作的自定义层：
输出与输入张量相同形状和类型的张量。
输出是由输入张量的几个样本组成的，比如说25%。输出张量的其余部分应该是零。
样本必须随机抽取，，使最高值像素被采样的概率更高的。换句话说，概率分布应该是输入张量本身(归一化)。
现在，我已经成功地构建了一个模型，在这个模型中，我选择了输入张量的前25%像素，并创建了一个只有它们大小相同的输出张量。但这不是随机抽样。
理想情况下，我希望使用tensorflow等效的：np.random.choice(input_tensor, num
浏览 1提问于2019-03-07得票数 2
1回答
我使用Keras，Tensorflow编写了一个顺序分类器脚本。给定样本图像的目录路径，它是一个二值图像分类器来预测类。
我想在我的脚本中实现一个概率特性，其中包括类，给出了分类器预测的正确性概率。例如：
输入
img = image.load_img('dataset/test/sample/fff.jpeg', target_size = (img_width, img_height))
img = image.img_to_array(img)
img = np.expand_dims(img, axis = 0)
prediction = model.predict
浏览 0提问于2020-02-10得票数 0
有没有一种简单的方法可以从tensorflow-probability中的联合分布中“观察”证据和样本？例如，在PyMC3中，Distribution类在其构造函数中具有observed参数，因此可以根据证据轻松设置条件(并运行MCMC以获得后验样本)。 有一些与Edward相关的文档，但对于简单的情况，我无法理解，例如： import tensorflow_probability.python.distributions as tfd
import tensorflow as tf
jdn = tfd.JointDistributionNamed(dict(
dist_x=tfd
浏览 22提问于2019-06-03得票数 2
1回答
如果一个人想要用分类器模型将一个类归为一组测量，那么以何种方式可以包含有关测量精度的信息？
更具体地说，是否有一种特性工程策略来包含信息，以便允许模型比其他子集更多地加权样本的子集？
举个例子，假设我有时间序列中的坐标和精度信息(lat，lon，measurement_accuracy) .我想要做一个分类器，它接受一个由两个坐标对组成的组，并从这个组输出一个类。因此，每个样本由两个坐标对组成。
测量精度可以用来指示模型中哪些度量最值得信任，但它本身并没有对样本所属的类提供任何提示。
给出3个样本
[ # learn to trust the first coordinate set more
浏览 0提问于2020-08-26得票数 0
我正在使用在Tensorflow中生成样本，并且正在寻找一种方法来返回与随机选择的元素相关联的概率。因此，在以下情况下：
logits = [[-1., 0., 1], [1, 1, 1], [0, 1, 2]]
samples = tf.multinomial(logits, 2)
with tf.Session() as sess:
sess.run(samples)
而不是让
[[1, 2], [0, 1], [1, 1]]
因此，我希望看到类似这样的东西
[[(1, 0.244728), (2, 0.66524)],
[(0, 0.33333), (1, 0.33333)
浏览 3提问于2018-02-11得票数 1
我试图从R中的二项分布中得到一个相关随机数的样本，我尝试使用rmvbin，它在一些概率中工作得很好：
> rmvbin(100, margprob = c(0.1,0.1), bincorr=0.5*diag(2)+0.5)
而下一个非常相似的调用会引发一个错误：
> rmvbin(100, margprob = c(0.01,0.01), bincorr=0.5*diag(2)+0.5)
Error in commonprob2sigma(commonprob, simulvals) :
Extrapolation occurred ... margprob and
浏览 1提问于2016-03-16得票数 1
回答已采纳
我正在学习tensorflow，在各种例子中，我看到为了从logits获得预测，我们使用了tf.argmax(logits, 1)。根据我站下的情况，logits是概率值，tf.argmax()将给出指定轴上最大值的指数。但是，我们如何用指数来代替概率值呢？我们不应该用最大值作为预测吗？
但我已经看到，上面的代码运行良好。我肯定我在这里错过了一些基本的东西。有人能用一个例子来澄清这一点吗？
浏览 0提问于2018-06-30得票数 3
回答已采纳
1回答
我试图用Tensorflow概率编写代码，使用EM算法对一组样本(来自多个高斯分布)进行分类。
因为我想为任何一般问题编写这段代码(如果样本来自2个高斯分布或8个高斯分布，我希望它能够工作)。
我现在遇到的问题是，我无法找到一种创建tfd.Normal.数组的方法
我希望将其作为数组(或其他类似类型的数据)，因为这样我就可以处理数量不定的发行版。
有人能帮我解决这个问题吗？
下面的代码是解决方案吗？
true_mu = np.array([20,60], dtype=np.float64)
true_sigma = np.array([8,4], dtype=np.float64)
tru
浏览 1提问于2019-03-20得票数 1
回答已采纳
2回答
我训练了一个模型来对7种不同类型的图片进行分类。我的模型只能做一个特定的预测(在我的例子中是numpy.ndarray)，但是我感兴趣的是一个更像概率的预测(例如90%的class1和80%的class2 ...etc)。我现在应该修改的代码部分在哪里？如何使用列车模型得到正确的概率值？
import tensorflow as tf
from tensorflow.keras.layers import Input, Lambda, Dense,Flatten
from tensorflow.keras.models import Model
from tensorflow.keras.ap
浏览 10提问于2022-05-03得票数 -1
回答已采纳
通过遵循这个，我学习了如何使用解释器，并看到了运行推断的代码：
try (Interpreter interpreter = new Interpreter(file_of_a_tensorflowlite_model)) {
interpreter.run(input, output);
}
我已经找到了一个使用TensorFlow解释器的例子：：但我仍然不知道他们的labelProbArray是什么，也不知道如何以最自信的方式打印标签
浏览 14提问于2022-01-18得票数 0
回答已采纳
我有一个形状为L的矩阵(2,5,2)。沿最后一个轴的值形成一个概率分布。我想要示例另一个形状的矩阵S (2, 5)，其中每个条目都是以下整数之一：0, 1。例如,
L = [[[0.1, 0.9],[0.2, 0.8],[0.3, 0.7],[0.5, 0.5],[0.6, 0.4]],
[[0.5, 0.5],[0.9, 0.1],[0.7, 0.3],[0.9, 0.1],[0.1, 0.9]]]
其中一个样本可能是，
S = [[1, 1, 1, 0, 1],
[1, 1, 1, 0, 1]]
在上面的例子中，这些分布是二项式的。但是，通常情况下，L的最后维数可以是任
浏览 6提问于2016-09-11得票数 3
回答已采纳
1回答
我读过的文章很少有人说没有必要没有。输出层中的单位= no。为什么有些人说他们应该是平等的。
我的问题是
如果没有。神经元= no。在课堂上。如何将类映射到输出层中的每个神经元/单元。详细说明神经网络是如何决定哪个神经元/单元处理哪个类的。
在使用tensorflow训练神经网络后，使用输出层和no中的softmax对多类分类问题进行训练。输出层中的单位= no。在课堂上。当我在测试样本上使用这个经过训练的网络时，输出是每个类的概率数组。如何将数组的第一个元素表示哪个类。
如果没有。单位不等于不。对于多类问题，某些类可以共享这样一个示例的链接。
浏览 0提问于2020-07-19得票数 0
我正在使用scikit中的线性scikit训练我的数据集。我能计算/得到样本在给定标签下分类的概率吗？
例如，使用SGDClassifier(loss="log")来拟合数据，启用了predict_proba方法，该方法给出了每个样本x的概率估计向量P(y|x)。
>>> clf = SGDClassifier(loss="log").fit(X, y)
>>> clf.predict_proba([[1., 1.]])
输出：
array([[ 0.0000005, 0.9999995]])
在使用svm.LinearSV
浏览 1提问于2013-11-29得票数 1
回答已采纳
有没有办法让我的tensorflow CNN为每个可能的类返回一个样本的概率？(例如，样本x属于0类的概率为83%，1类为7%，2级为10% )。
我的模特：
model_0 = keras.Sequential()
model_0.add(Conv1D(32, kernel_size=3, strides=1, activation='relu', input_shape=(X_train.shape[1], 1)))
model_0.add(Dropout(0.1))
model_0.add(Conv1D(64, kernel_size=3, strides=1, acti
浏览 4提问于2022-08-12得票数 0
假设我有一个矩阵(2D tensor) X，它的形状是(batch_size x num_labels)。并且每个样本的标签分数被存储在矩阵中。现在我想提取真实标签的分数，而真实标签存储在另一个形状为(batch_size)的1D tensor y中。我能做些什么？我知道在Theano或者Numpy。这可以通过一个表达式来完成：X[y]。但在TensorFlow中，实现这一目标的最方便或最低成本的方法是什么？
X = tf.get_variable("X",[batch_size,num_labels])
y = tf.placeholder(tf.int32,[batch_s
浏览 1提问于2016-04-24得票数 0
我正在尝试使用下一个句子预测模型，这是在伯特的预培训。
我在TFBertForNextSequencePrediction类中使用了这个例子。据我所知，seq_relationship_score返回逻辑，指出下一句是否属于以前的上下文。我试过用keras的Softmax，但它没有返回布尔值。
import tensorflow as tf
from transformers import BertTokenizer, TFBertForNextSentencePrediction
tokenizer = BertTokenizer.from_pretrained('bert-bas
浏览 2提问于2020-02-06得票数 0
作为一个项目的一部分，我在使用tensorflow_probability处理正态分布的梯度时遇到了问题。为此，我创建了一个正态分布，并抽取了一个样本。然后将该样本的log_prob送入优化器以更新网络的权重。 如果我得到一些常数的log_prob，我总是得到非零梯度。不幸的是，我在教程或类似的帮助来源中没有找到任何相关的帮助。 def get_log_prob(mu, std)
extracted_location = tf.squeeze(extracted_location)
normal = tfd.Normal(mu, scale=std)
samples = n
浏览 101提问于2019-04-22得票数 1
1回答
这个链接"“讨论了如何使用地图缩减框架实现储层采样。我觉得他们的解决方案很复杂，下面的更简单的方法是可行的。
问题：给出了大量的样本，生成一组大小为k的样本，使得每个样本在集合中存在的概率相等。
提出的解决方案：
地图操作:对于每个输入数n，输出(i，n)，其中我被随机选择在0到k-1范围内。
减少操作:在所有拥有相同密钥的数字中，随机选择一个。
索赔:k大小集合中任意数的概率为k/n (其中n为样本总数)
证明直觉：
由于map操作将每个输入样本随机分配给桶号i (0 <= i <= k-1)，则每个桶的大小为n/k。
无论我的解决方案是否正确，我都希望你
浏览 0提问于2013-08-10得票数 0
回答已采纳
1回答
这是否只是学者和从业者之间的术语用法呢？
还是理论上的差异在于我们如何看待每个样本:一次属于多个类，还是属于一个模糊类？
或者这一区别对于我们如何建立分类模型有一定的实际意义？
浏览 0提问于2019-04-23得票数 2
回答已采纳
我试图获得源代码构建和谷歌提供的.whl文件之间的性能比较结果，用于tensorflow-gpu运行。我已经尝试了几十次基准测试，在每个n x 100步上，我总是得到缓慢的性能，比如0,100,200，...我想不出其中的原因。你们谁是tensorflow的专家，谁能回答我的问题？
我正在运行ubuntu(18.04)。fedora(27，28)，Windows和CUDA 9.0/9.1/9.2我已经用tf1.6，1.7，1.8，1.9测试过了。我的GPU是1080ti/11 GPU。我的cpu是intel 4690k和32G dram。
附上一个样本
。
提前向你致谢。
Dae-Chu
浏览 2提问于2018-07-17得票数 1
2回答
在sk中是否有一种获得分类模型的方法--学习输出预测的可信度或概率，而不是仅仅输出类(即使只有两个类)？
从直觉上看，有些样本应该明确地归为某一类，而另一些样本则是边缘的，因此，区分某些实际问题的样本可能是有用的。
浏览 9提问于2015-10-16得票数 4
回答已采纳
1回答
我使用2个类训练了GMM模型。我还测试了一些训练好的GMM模型的样本数据。最后，我想得到每个类的gmm的概率。
我使用了名为predict_proba的sklearn GaussianMixture函数。但它在数组中显示。怎么才能拿到百分比呢？
for i in range(len(models)):
gmm = models[i] #checking with each model one by one
scores = np.array(gmm.score(vector))
a=gmm.predict_proba(vector)
print a.sh
浏览 3提问于2019-06-28得票数 0
我试着在站点上学习TensorFlow教程。我看到它在运行，成本也在下降，而且效果很好，但我看不出从模型中得到预测的任何方法。我试着遵循的说明，但是从session.run返回的张量是浮点值，比如0.017842259，字典将单词映射到整数，这样就不能工作了。
如何从tensorflow模型中得到预测的单词？
编辑:我在四处搜索后找到了这个，只是不确定在这个例子的上下文中x和y是什么。在这个例子中，他们似乎不像在解释中那样使用相同的约定。
浏览 0提问于2016-10-17得票数 0
回答已采纳
1回答
我有一个很大的马尔可夫链和一个样本，我想要计算它们的可能性。问题是样本中的一些观察或转换不会发生在马尔可夫链中，这使得总的可能性为0(或对数似然无穷大)。不可能使用更多的数据来构建马尔可夫链。我想知道是否有一种方法仍然有意义的可能性。
我已经试着在样本中过滤掉这些“未知”的观察结果，并分别报告它们。但这样做的问题是，我想比较样本的可能性与相同样本的可能性，但在转换之后。转换后的样本具有不同数量的“未知”观察值。所以我不认为我可以比较这两种可能性，因为它们是用不同数量的观察值计算出来的。
有没有办法仍然可以计算出一个可以比较的有意义的可能性？我在考虑平均样本中观察到的概率，但我找不到任何关于这是
浏览 2提问于2015-08-14得票数 0
我估计我的样本中有70个变量有很多预测值，X有70000个Ob缺失值。Y是二元变量，5%的观测值=1，95%的观测值=0
cf <- cforest (formula = Y ~., data = df ,
perturn = list (replace = FALSE, fraction = 0.5, 0.5),
control = ctree_control (MIA = true), ntree = 1500, mtry=8)
当我使用自己的样本内OOB预测进行预测时，我遇到了一个问题。它返回以下错误：
Error i
浏览 23提问于2021-11-10得票数 0
我用TensorFlow建立了一个基本的顺序神经网络。
model = tf.keras.Sequential([
Dense(16, activation='relu', input_shape=(X_train.shape[1],), kernel_regularizer=l1_l2(0.001, 0.001)),
Dropout(0.3),
BatchNormalization(),
Dense(64, activation='relu', kernel_regularizer=l1_l2(0.001, 0.001)),
浏览 0提问于2023-03-15得票数 1
回答已采纳
我有一个MNIST数据集的分类网络，有10个标签(0、1、2、3、4、5、6、7、8、9)，经过培训后，我运行了predict_classes for test_data。我想知道对于test_set中的每个数据，y_pred中每个标签(0、1、2、3、4、5、6、7、8、9)的得分是多少。例如，如果predict_classes说对于第一个数据，标签是"7“，那么7的分数是多少，其他标签的分数是多少(0，1，2，3，4，5，6，8，8，9)，我该如何编写它的代码呢？
from keras import models
import numpy as np
from keras imp
浏览 9提问于2022-02-16得票数 0
我最近遇到了tensorflow softmax_cross_entropy_with_logits，但我不知道它的实现与sigmoid_cross_entropy_with_logits有什么不同。
浏览 0提问于2016-11-22得票数 4
1回答
我目前正在tensorflow中做文本生成。在训练模型之后，当预测文本并将数字解码为文本时，为什么我们使用tf.random.categorical(predictions，num_samples=1)-1,0.numpy?？
浏览 0提问于2020-06-27得票数 0
2回答
采用高斯过程分类器对滑雪板中的分类任务进行数据拟合。我知道，对于高斯过程，，Regressor，，可以传递return_std
y_test, std = gp.predict(x_test, return_std=True)
输出测试样本()的标准差
但是，我无法为GP 分类器找到这样的参数。
有没有输出来自GP分类器的测试数据的预测均值和stdv？有没有办法输出拟合模型的后验均值和协方差？
浏览 9提问于2021-06-03得票数 1
1回答
我的特征向量大小为1x4098。每个特征向量对应于浮点数(温度)。在训练中，我有10.000个样本。因此，我的训练集大小为10000x4098，标签为10000x1。我想用线性回归模型来预测训练数据的温度。我使用3个隐藏层(512,128，32)与MSE损失。然而，我只有80%的准确性使用tensorflow。你能向我建议其他人失去功能以获得更好的表现吗？
浏览 0提问于2018-04-19得票数 2
回答已采纳
2回答
我有一个关于TensorFlow代码的问题。这是我在前面的环境中使用的一段代码-购物车问题 initializer = tf.contrib.layers.variance_scaling_initializer()
X = tf.placeholder(tf.float32, shape=[None, n_inputs])
hidden = tf.layers.dense(X, n_hidden, activation=tf.nn.elu, kernel_initializer=initializer)
logits = tf.layers.dense(hidden, n_output
浏览 27提问于2020-07-13得票数 0
回答已采纳
我建立了一个简单的模型来训练我的数据集，它包括(210个样本，每个样本由一个由22个值组成的numpy数组)，x_trian和y_trian看起来如下所示：
📷
这是我的简单代码：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Activation, Dense
from tensorflow.keras.optimizers import Adam
from tenso
浏览 0提问于2021-08-25得票数 0
回答已采纳
1回答
我想用TensorFlow中的LSTM推荐产品。
我有历史上的用户行为数据，我想使用它来训练模型以推荐产品(表示为输出中的类)，但我需要考虑产品在网页上是否处于活动状态(而不是推荐不活动的交易)。
由于我认为使用基本真理非常困难，所以在与目标向量进行比较之前，我想在输出上使用二进制掩码。
在TensorFlow中有什么本地的方法可以做到这一点吗？
浏览 1提问于2018-03-15得票数 0
A和B是从100个观测值中创建的大小为50的2个样本(带替换)。A和B有不超过10个共同观察值的概率是多少？或者，可以创建多少这样的样本，以便A、B最多有10个共同的观测值。例如，Obs 1，A和51中的...50，B中的...100，或A中的1,3,5，...,99中的2,4，B中的...,100。另外，是否可以对大小为50的8个样本而不是仅2个样本重复相同的练习？如何在Excel或R中计算？
浏览 1提问于2021-06-04得票数 0
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.applications import VGG16
from tensorflow.keras.layers import AveragePooling2D
from tensorflow.keras.layers import Dropout
from tensorflow.keras.layers import Flatten
from tensorflow.keras.layers import Dense
f
浏览 3提问于2020-03-26得票数 1
回答已采纳
1回答
我有一个统计矩阵，叫做T_{i，j}。然后我模拟了1000个样本。我想使用1000个样本来构建一个分布，然后计算我观察到的T_{i，j}的p值。
示例T_{i，j}矩阵如下所示：
V12 V13 V22 V23 V117 V146
V12 0.009900990 0.008281829 0.01490863 0.01548161 0.01342882 0.01287918
V13 0.008281829 0.031250000 0.04367911 0.04597988 0.03876530 0.0318
浏览 1提问于2013-03-11得票数 0
回答已采纳
1回答
假设对于单个培训示例，真正的标签是1 0 0 0，而预测是0.1 0.5 0.1 0.1 0.2。如何计算其二元交叉熵？以及输出值如何决定一个样本是属于a类还是b类？我也想知道，在二元交叉熵公式中，什么是1-p？
浏览 0提问于2018-09-30得票数 1
1回答
假设我正在为一个应用程序构建一个机器学习模型，在该模型中，我不需要对所有新样本进行预测，并且给出了一个新样本，那么在担心预测不太可能好(例如，如果新样本似乎与训练样本非常不同的情况下)时，最好不要进行任何预测。我称之为限制哪些新样本来预测“模型护栏”的想法，因为我不知道官方术语。
我的问题是，是否有任何标准的方法来设置这样的护栏？关于这个话题，你有什么研究可以指导我吗？我有几个基本想法：
使用距离度量将新样本与培训数据进行比较，并且只有在有足够数量的培训数据与新数据足够接近时才进行预测。
尝试计算某种p值，表明新样本与训练数据有多大的不同，并且只有当这个p值不太高时才进行预测。
为了扩展思想2
浏览 0提问于2019-12-05得票数 3
我正在尝试使用遗传算法来自动化神经网络的设计。我对神经网络和tensorflow非常陌生，所以如果我不能正确地提供信息或解释，请原谅。我有多个问题要解决。
我的输入是一个浮点值的数组：
self.data_inputs = np.array([self.car_location, self.car_velocity, self.ball_location]).astype(np.float)
我想要的输出是：
self.desired_output = np.asarray([1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0])
也就是说，我试图让神经网络的输出层，即
浏览 0提问于2021-11-02得票数 1
我正在为XGBoost使用sklearn包装器。我没有找到一个清晰的解释，说明predict_proba()输出的概率是如何计算出来的。
例如，在随机森林中，我知道它反映了属于这个类别的样本在所有树木的相关叶子中所占比例的平均值。
但是，在XGBoost中，我无法理解文档或代码中的计算。不是应该给每棵树不同的重量吗？
浏览 0提问于2017-03-19得票数 6
当我试图执行预测图像时，我的代码出现了问题。使用keras等。 我正在寻找如何输出数组的方法 例如1,0,0，然后输出rock import numpy as np
from google.colab import files
from keras.preprocessing import image
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
from tensorflow.k
浏览 50提问于2020-07-04得票数 3
1回答
我建立了一个装袋分类器，其中二进制分类器对阳性样本和相同数量的随机抽样未标记样本进行训练(给定1分为阳性，0分为未标记)。然后，该模型预测袋外样本，这个过程重复，所以现在我计划采取平均预测每一个样本。
我的问题是，使用PySpark的输出模型预测是一个概率列，它是每个类的概率向量。因此，例如，二进制分类的输出如下：
model.transform(test_data).show()
+-----+--------------------+
|label| probability|
+-----+--------------------+
| 0|[0.294, 0.8]
浏览 4提问于2021-05-31得票数 0
1回答
我有两个数组(pdf_#)，每个数组都包含参数的概率(val_#)。如何从这些分布中取样以创建联合后验分布(例如，在中)？对于emcee来说，我似乎只能传递要从其中采样的函数，而不能传递数组。
以下是我所拥有的：
pdf_1 = [.1, .1, .25, .3, .15]
pdf_2 = [.25, .3, .2, .1, .4]
val_1 = [2, 3, 4, 5, 6]
val_2 = [1, 2, 3 ,4 ,5]
(在现实中，pdfs被更细地采样，并被加到1)
我想在pdfs之后生成N个样本(从val_1，val_2生成x，y)。
浏览 4提问于2017-03-07得票数 0
回答已采纳
假设我有一个N类的多类分类问题。我在一个训练集上训练了一个分类器，我使用一个验证集和一个1-VS-rest ROC曲线来给我N ROC曲线。
由于ROC曲线是根据不同的阈值来创建的，所以当我们将一个样本分类为Ci或非Ci时。然后，我们可以选择(我们的)最优的FPR/TRP比值，并得到阈值(t)，例如，t=0.6，我们将一个样本分类为Ci，如果其他的model_score>=0.6是“其他的”，即不是Ci。(这张照片上的蓝色记号是从雪橇上拿来的)
📷
问题是，在多类问题中，我们可以使用1-VS-rest和创建N ROC-曲线(参见下文，也是从sklearn)。
📷
但是现在我们有不同的N阈
浏览 0提问于2021-07-16得票数 2
2回答
我在Keras/TensorFlow工作。这是我的Keras模型： model = Sequential()
model.add(Dense(512, input_shape=(max_words,)))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy',
浏览 183提问于2019-06-12得票数 4
1回答
我正在做一个使用python和keras的聊天机器人，所以我创建了一个使用keras的CNN模型，现在我想训练它。我创建了两个类，一个用于问候，另一个用于告别。当我运行代码来训练它时，它给出了一个错误，这是由形状引起的。 Training Data Shape: [[1. 1.]
[1. 1.]]
Target Data Shape: [1. 1.]
Number of classes: 2
Classes: ['byes' 'greeting']
Epoch 1/100
--------------------------------------
浏览 17提问于2020-11-11得票数 1
回答已采纳
我有一个通过tensorflow.js转换器从tensorflow生成的model.json 在python的tensorflow中最初的model实现中，它是这样构建的： model = models.Sequential([
base_model,
layers.Dropout(0.2),
layers.Flatten(),
layers.Dense(128, activation='relu'),
layers.Dense(num_classes)
]) 根据官方网站上的教程，在tensorflow中，概率可以由s
浏览 59提问于2021-03-14得票数 1
回答已采纳
Tensorboard (TensorFlow 1.0)中的直方图选项卡(不是分布选项卡)代表什么？它能被解释为真正的直方图吗？
浏览 12提问于2017-03-04得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
