使DL4J分类器返回分数

DL4J是一个基于Java的深度学习库，用于构建、训练和部署深度神经网络模型。DL4J的全称为DeepLearning4J，它提供了丰富的工具和功能，使开发者能够轻松地进行深度学习任务。

DL4J分类器返回分数是指在使用DL4J进行分类任务时，分类器会返回每个类别的得分或概率。这些得分或概率表示了输入数据属于每个类别的可能性大小，可以用于判断输入数据属于哪个类别。

DL4J分类器返回分数的优势在于：

灵活性：DL4J分类器可以返回每个类别的得分或概率，而不仅仅是最终的分类结果。这使得开发者可以根据具体需求进行进一步的处理和分析。
可解释性：通过返回分数，开发者可以了解每个类别的得分大小，从而了解模型对每个类别的置信度。这对于模型的解释和调试非常有帮助。

DL4J分类器返回分数适用于各种分类任务，包括图像分类、文本分类、语音分类等。具体应用场景包括但不限于：

图像分类：通过DL4J分类器返回的分数，可以判断图像中物体的类别，例如识别猫、狗、汽车等。
文本分类：通过DL4J分类器返回的分数，可以判断文本的类别，例如判断一篇文章是新闻、评论还是广告。
语音分类：通过DL4J分类器返回的分数，可以判断语音的类别，例如识别说话人的情绪或语音的内容。

腾讯云提供了一系列与深度学习相关的产品和服务，可以与DL4J结合使用，例如：

腾讯云AI引擎：提供了基于DL4J的图像分类、文本分类和语音分类等功能，可以帮助开发者快速构建和部署深度学习模型。
腾讯云机器学习平台：提供了丰富的机器学习工具和算法，包括DL4J，可以帮助开发者进行模型训练和优化。
腾讯云GPU实例：提供了强大的GPU计算能力，可以加速DL4J模型的训练和推理过程。

更多关于腾讯云相关产品和服务的介绍，请参考腾讯云官方网站：腾讯云

如何使用标签概率进行文本分类？

machine-learning、classification、mahout、text-mining

我正在尝试解决一个用于学术目的的文本分类问题。我需要将推文分类为“云”、“冷”、“干”、“热”、“湿”、“飓风”、“冰”、“雨”、“雪”、“风暴”、“风”和“其他”等标签。训练数据中的每个推文都有针对所有标签的概率。说这条消息“已经可以告诉你这将是一个艰难的得分的日子。现在和昨天下午一样有风。”有21%的几率是热的，79%的几率是风的。我一直致力于分类问题，它预测它是风还是热或其他。但在这个问题中，每个训练数据都有针对所有标签的概率。我之前使用过mahout naive bayes分类器，它对给定的文本采用特定的标签来构建模型。如何将这些不同标签的输入概率转换为任何分类器的输入？

浏览 3提问于2013-10-07得票数 0

1回答

如何在使用resnet50时在经过训练的类别图像中检测到

tensorflow、machine-learning、tf.keras、transfer-learning、image-classification

我对resnet50进行了四类图像的培训。它的工作原理很棒，当我在这四种类别中的任何一种中的任何一种给它一个图像时--我基本上对这些类别中的图像有100%的准确性。然而，当我给经过训练的Resnet50模型提供一个类似对象的图像，但不是在原来的四个类别中的一个时，预测返回到现有的四个类中的一个。我的意思是，在与每个类别的可能性一起返回的数组中，在许多情况下，其中一个类别的可能性基本上是1。 1.3492944e-07 9.9999988e-01 8.3132584e-14 1.4716975e-24 下面是模型被训练的图像的预测数组： 1.8217645e-27 1.0000000e+00

浏览 12提问于2022-03-01得票数 -2

2回答

azure机器学习工作台-高精度但非常低的置信度得分

python、azure、azure-machine-learning-studio、cntk

我是机器学习的新手，所以在回答之前请记住这一点。我遇到了挑战，试图用ResNet模型在工作台上训练神经网络。我遵循了azure 提供的本教程我的第一个数据集是来自ImageNet的一个子集，包含900幅图像，包括4种不同类别的汽车、公共汽车、货车和卡车。之后，我使用了从下面的链接提供的数据集的子集。我使用了与ImageNet相同的数据集的9000幅图像，并将其平分为四个不同的类，并开始对我的网络进行培训。我为此使用的分类器是具有以下配置的DNN分类器： rf_pretrainedModelFilename = "ResNet_50.model" rf_inputRe

浏览 1提问于2018-07-30得票数 2

2回答

AWS多目标检测在图像识别/分类中的应用

amazon-web-services、machine-learning、computer-vision、amazon-rekognition、amazon-sagemaker

有没有人知道是否有任何SageMaker内置算法支持图像识别中的多目标检测？我在想一些像多标签图像训练和检测/推理之类的东西。因此，我们能否： a)使用多标签图像进行培训和/或 b)从图像中推断多个对象(类似于AWS，但带有自定义标签和培训/传输学习)。另外，我知道SageMaker图像分类算法的文档中说“将图像作为输入并将其分类为多个输出类别的one”。任何建议也是受欢迎的。

浏览 1提问于2018-07-05得票数 0

回答已采纳

1回答

多类分类:概率与校准

python、machine-learning、scikit-learn、multiclass-classification、calibration

我正在用不同的分类器处理一个多类分类问题，使用Python和scikit学习。我想使用预测的概率，基本上是比较不同分类器对特定情况的预测概率。我开始阅读有关“校准”的内容，例如在和，我开始感到困惑。我所理解的是:一个经过良好校准的概率意味着一个概率也反映了某个类别的分数。这是否意味着，如果我有10个分布均匀的类，理想情况下，每个类的校准概率将在0.1左右？我是否可以将predict_proba的概率(没有校准)解释为“分类器对于这个分类器是否是正确的类有多确定”？希望有人能为我澄清这一点！)

浏览 0提问于2020-02-07得票数 3

1回答

谷歌顶点AI图像AutoML分类时，图像中的一个重要特征是文本

google-cloud-platform、ocr、google-cloud-vision、google-cloud-automl、google-cloud-vertex-ai

我想做图像分类。在我的数据集中，尽管图像特征是这种分类(颜色、形状等)的强大组成部分，但是如果不解释图像中的文本，那么中的某些类别的图像将很难被区分。我不认为VertexAI/AutoML将使用预先训练的模型来促进分类，如果在某些情况下，唯一的区别是文本。我知道Google Vision/OCR有能力进行这样的提取。但是是否有一种方法来进行图像分类(VertexAI/AutoML)，使用Google提取作为一种额外的图像特征目前，我的项目使用了3种模型(没有google云)：模型1:使用图像特征对图像进行分类模型2:只使用OCR + regex (相同类别)对图像进行分类

浏览 8提问于2022-01-07得票数 2

1回答

预测给定文档的每个分类框的概率得分

python、nlp、logistic-regression、text-classification

我正在创建一个python模型，它将根据文本对给定的文档进行分类。因为每个文档仍然需要人工审查，所以我正在创建一个建议平台，它也将为用户提供给定文档所属的前n类。此外，每个文档可以属于多个类。我有一个训练文档集，其中充满了富文本及其标记。我想要做的是对每个文档执行回归，以获得每个分类的概率分数，并返回得分最高的前5个类别。我已经研究了贝叶斯分类模型和推荐系统，我认为逻辑回归会更好，因为它会返回一个分数。我是机器学习的新手，如果有任何模仿此类问题的建议或例子，我将不胜感激。谢谢。编辑:具体地说，我的问题是，我应该如何解析文本数据，以便使用逻辑回归进行ML建模？我是否需要使用Word2Ve

浏览 17提问于2019-03-15得票数 1

5回答

具有零或多个标签的多标签文本分类

machine-learning、text-classification、multilabel-classification

我需要分类的网站文本与零或多个类别/标签(5个标签，如金融，技术等)。我的问题是处理不属于这些标签的文本。我尝试过ML库(maxent，naive bayes)，但它们与其中一个标签不正确地匹配了“其他”文本。我如何训练一个模型来处理“其他”文本？“其他”的标签太宽了，不可能选择一个有代表性的样本。因为我没有ML背景，也没有太多时间来构建一个好的训练集，所以我更喜欢一种更简单的方法，比如使用术语频率计数，使用预定义的术语列表来匹配每个标签。但是有了计数，我如何确定相关性分数，即文本是否真的是那个标签？我没有语料库，不能使用tf-idf等。

浏览 1提问于2017-04-22得票数 0

1回答

用Scikit学习和概率代替简单标签的多标签分类

machine-learning、scikit-learn、classification、multilabel-classification

我想对一组3d图像(MRI)进行分类。有4个等级(即疾病等级A，B，C，D)，这4个等级之间的区别并不小，因此我对训练数据的标签不是每幅图像一个类别。这是一组4种概率，每班一个。 0.7 0.1 0.05 0.15 0.35 0.2 0.45 0.0 ... ..。基本上意味着第一类图像属于A类，概率为70%，B类为10%，C类为5%，D类为15% 等等，我相信你知道这个主意。我不明白如何将模型与这些标签相匹配，因为scikit-learn分类器期望每个培训数据只有一个标签。仅仅使用概率最高的类就会导致悲惨的结果。我可以用scikit来训练我的模型-学习多标

浏览 2提问于2017-10-29得票数 3

1回答

如何在科学知识学习决策树中进行多标签分类？

machine-learning、scikit-learn、decision-tree、multilabel-classification

我有一个问题，分类输入有多个标签。因此，问题是多标签分类。我使用了scikit--学习决策树分类器来完成这个任务，并且在初始阶段给出了很好的结果。但是，我想知道它是如何在引擎盖下工作的，以及如何在决策树中进行多标签分类？重要的问题是如何使用两个不同类别的标签同时训练一个曾经初始化过的模型？决策树模型将如何解决两组不同标签的优化任务？

浏览 1提问于2019-09-03得票数 0

3回答

将两个具有两个不同类别(数据集)的预训练模型组合起来进行预测

python、keras

我有两个预先训练并保存的Inception模型。模型1=带有Imagenet类的初始模型-它可以预测1000个类中的图像。模型2=带有我自己的分类的初始模型(20个类)-它可以预测20个类中的图像。执行迁移学习并保存模型。我想把这两者结合起来，用1020个类别来预测图像。 Model1 = inception_v3.InceptionV3(weights='imagenet') 预测1000个类别的图像 predictions1 = Model1.predict(processed_image) Model2 = InceptionV3(weights='ima

浏览 2提问于2019-02-06得票数 0

1回答

CvSVM是否会扩展训练数据？

opencv、svm、libsvm

我正在使用OpenCV的CvSVM来学习29个类别的支持向量机分类器。应用程序是人脸识别，我将人脸图像划分为3x6的网格。对于网格中的每个块，我对从块中提取的SURF特征训练SVM分类器。我在这里读到，以类似的方式扩展训练和测试数据是非常重要的。 CvSVM是否对数据进行缩放？如果没有，OpenCV是否提供了一些我可以用来进行缩放的函数？

浏览 2提问于2015-01-29得票数 0

1回答

基于Matlab中LibSVM的支持向量回归参数研究

matlab、libsvm

我正在尝试使用LibSVM进行回归。我正在尝试检测人脸(10类不同的人脸)。我将1-10标记为人脸类别，11为非人脸类别。我想开发一个脚本usig LibSVM，它会给我一个0-1之间的连续分数，如果测试图像落在10个人脸类别中的任何一个，否则它会给我-1 (非人脸)。根据这个分数，我可以预测我的成绩。如果测试图像与第一类匹配，则得分应在.1左右。类似地，如果测试图像与类别10匹配，分数应该在1左右(任何接近1的连续值)。我正在尝试使用LibSVM的SVR来解决这个问题。通过分类，我可以很容易地得到预测的类别。但是我想要一个连续的分值，我可以通过回归得到。现在，我在网上寻找使用LibSVM的S

浏览 2提问于2013-05-30得票数 0

2回答

如何在weka SMO分类器中实现多类分类？

machine-learning、weka、smo

我正在使用weka进行分类。在weka中，我使用SMO对documents.In的某些情况进行分类，SMO返回错误的类别。例如，拿我为这两个category.Then训练和创建的两个类别的计算机和Cricket.First为例，我将测试一个文档，其内容与这两个类别的内容以50:50的比例相关。SMO仅返回第一类计算机。如果50:50的比例意味着我需要返回这两个类别。如何在SMO分类器中实现？

浏览 2提问于2012-08-24得票数 0

回答已采纳

1回答

从多分类模型评价预测

machine-learning、multiclass-classification、model-evaluations

考虑到我有包含橘子、苹果和菠萝图像的数据，我想根据一组特征进行分类。预期我已经完成了模型并做好了预测准备。我的问题是：如何输出模型预测的每一个类别的分数？ Image 1: 60% apple, 20% orange, 1% pineapple It implies that the image is an apple. Image 2: 40% apple, 60% orange, 10% pineapple It implies that the image is an orange. 有什么我可以用的库吗？这取决于我正在使用的模型吗？如

浏览 0提问于2018-08-01得票数 0

2回答

分类器是如何分类的？

machine-learning、scikit-learn、deep-learning、classification

在对任何分类器进行训练后，分类器会告诉数据点属于某一类别的概率。 y_pred = clf.predict_proba(test_point) 分类器是用最大概率来预测类，还是将概率看作是按分布绘制的概率？换句话说，假设输出概率是- C1 - 0.1 C2 - 0.2 C3 - 0.7 输出总是C3还是只有70%的时间？

浏览 1提问于2019-04-08得票数 0

回答已采纳

3回答

使用在不同数据集上训练的cnn模型

deep-learning、conv-neural-network

我有三个不同的数据集，其中三个都是用同样的化学物质染色的血涂片图像。血涂片图像是捕捉你的血液的图像，包括红血球，白血球。第一个数据集包含2个类别:正常与血癌，第二个数据集包含2个类别:正常与血液感染，第三个数据集包含2个类别:正常与镰状细胞疾病所以，我想做的是:当我输入一张血涂片图像时，AI系统会告诉我它是正常的，还是血癌、血液感染或镰状细胞病(4类分类任务)。我该怎么办？我是否应该混合这3个数据集，并仅训练1个模型来检测4个类？或者我应该训练3个不同的模型，然后将它们组合在一起？如果是，我应该使用什么方法组合？更新:我搜索了一段时间。这项任务可以被称为“学习而不遗忘吗？”

浏览 26提问于2019-05-27得票数 1

回答已采纳

1回答

文本分类的训练和验证准确率和损失

python、deep-learning

我正在做3个类别的文本分类，在训练我的模型后，下面的图像是我的模型准确率和损失结果，这意味着我的模型没有学习吗？ ?

浏览 25提问于2020-11-27得票数 0

回答已采纳

1回答

使用对数刻度对分类器得分进行归一化以进行比较

python、machine-learning、computer-vision、classification、logarithm

比较不同分类器的评分结果的好方法是什么？例如，假设我有一个分类器，它处理12种不同类别的水果。在这12个类别中，4个类别代表苹果的不同观点，4个类别代表香蕉的观点，4个类别代表凤梨。这是一个多类分类器，给定一张图像，它将为该图像可能属于的所有可能的12个水果类别分配一个分数。得分最高的班级被选为图像的班级。现在除此之外-我有3个单独的分类器，一个用于苹果，一个用于香蕉，一个用于凤梨。每个分类器处理单个水果的4种不同视图。我想比较一下，使用单一的12类分类器是否比使用单个4类分类器的组合提供更好的结果。当我在苹果图像上运行12类分类器时，结果确实不如运行单个苹果分类器的结果准确，香蕉和凤

浏览 4提问于2015-01-14得票数 1

2回答