Kerasからのmodel.predict関数の出力はどういう意味ですか？

Quora公式データセットで重複する質問を予測するLSTMモデルを作成しました。テストラベルは0または1です。1は質問のペアが重複していることを示します。使用してモデルを構築した後model.fit、私が使用してモデルをテストしmodel.predict、テストデータに。出力は、以下のような値の配列です。

 [ 0.00514298]
 [ 0.15161049]
 [ 0.27588326]
 [ 0.00236167]
 [ 1.80067325]
 [ 0.01048524]
 [ 1.43425131]
 [ 1.99202418]
 [ 0.54853892]
 [ 0.02514757]

配列の最初の10個の値のみを表示しています。これらの値の意味と、各質問ペアの予測ラベルは何ですか？

ニューラルネットワークの出力は、デフォルトでは決してバイナリではありません。つまり、ゼロまたは1です。勾配降下法の枠組みで損失をより自由に最適化するために、ネットワークは（離散ではなく）連続値で動作します。

いくつかのコードも示す同様の質問を見てください。

微調整やスケーリングを行わないと、ネットワークの出力は、その公称値に関して、入力の範囲のどこかに落ちる可能性があります。あなたの場合、それはおおよそ0と2の間のようです。

これで、あるしきい値に基づいて、上記の値を0または1に変換する関数を作成できます。たとえば、値を[0、1]の範囲にスケーリングし、値が0.5未満の場合は0を返し、0.5を超える場合は1を返します。

これが分類の問題である場合、2つの出力ニューロンを持つようにネットワークを変更する必要があります。

次を使用して、ラベルをワンホットエンコードされたベクトルに変換できます。

y_train_binary = keras.utils.to_categorical(y_train, num_classes)
y_test_binary = keras.utils.to_categorical(y_test, num_classes)

次に、出力層にsoftmaxアクティベーション関数を持つ2つのニューロンがあることを確認します。

model.add(Dense(num_classes, activation='softmax'))

これにより、model.predict(x_test_reshaped)リストの配列になります。内部リストは、各クラスに属するインスタンスの確率です。これは合計で1になり、明らかに決定されたラベルは最も高い確率の出力ニューロンであるべきです。

Kerasのライブラリにはこれが含まれているため、この比較を自分で行う必要はありません。を使用して、クラスラベルを直接取得できますmodel.predict_classes(x_test_reshaped)。

予測は、トレーニング出力として入力したものとアクティベーション関数に基づいています。

たとえば、0-1入力とバイナリクロスエントロピー損失のある出力のシグモイドアクティベーション関数を使用すると、1の確率が得られます。どちらの方向でも間違った決定をするコストに応じて、次の方法を決定できます。これらの確率を処理します（たとえば、確率が> 0.5である場合、またはおそらくすでに> 0.1である場合、カテゴリ "1"を予測します）。

あなたが説明したことから、あなたは0-1の入力を持っていて、おそらくあなたの出力層の線形活性化を仮定しました（おそらく平均二乗誤差損失で？）。これは、出力が直接予測された数（からの任意の実数である可能性があります）であるという回帰問題を想定したことを意味します。代わりに最初の段落で述べました。$(-\infty, \infty$