На этом шаге мы рассмотрим получение вероятностей для новых данных.
Метод predict() модели возвращает распределение вероятностей по всем 46 темам для каждого образца. Давайте сгенерируем предсказания для всех контрольных данных.
predictions = model.predict(x_test)
Каждый элемент в predictions - это вектор длиной 46:
print(predictions[0].shape)
(46,)
Сумма коэффициентов этого вектора почти равна 1:
print(np.sum(predictions[0])) 0.99999994
Наибольший элемент - это предсказанный класс - элемент с наибольшей вероятностью:
print(np.argmax(predictions[0]))
3
На следующем шаге мы рассмотрим другой способ обработки меток и потерь.
