Keras：model.predict和model.predict_proba有什么区别？

Question

我发现model.predict和model.predict_proba都提供了一个相同的二维矩阵，表示每行数据在每个类别上的概率。

这两个函数有什么区别？

- jwm

Answer 1

预测

predict(self, x, batch_size=32, verbose=0)

为输入样本生成输出预测，以批处理方式处理样本。

参数

x: the input data, as a Numpy array.
batch_size: integer.
verbose: verbosity mode, 0 or 1.

返回

A Numpy array of predictions.

predict_proba

predict_proba(self, x, batch_size=32, verbose=1)

逐批次生成输入样本的类概率预测。

参数

x: input data, as a Numpy array or list of Numpy arrays (if the model has multiple inputs).
batch_size: integer.
verbose: verbosity mode, 0 or 1.

返回

A Numpy array of probability predictions.

编辑: 在最新版本的keras中，predict和predict_proba是相同的，即都给出概率。要获取类标签，请使用predict_classes。文档尚未更新。(摘自Avijit Dasgupta的评论)

- Wasi Ahmad

---

但似乎 model.predict 也会给出一个概率预测的 numpy 数组，而不是直接的样本标签。 - jwm

真的吗！我不这么认为。预测并不一定会直接给出标签，它可以为标签提供分数，从中找到最佳标签，但预测不提供类概率。 - Wasi Ahmad

在最近版本的Keras中，predict和predict_proba的输出是相同的，即都会给出概率。如果想要得到类别标签，需要使用predict_classes函数。但是该函数的文档尚未更新。 - Avijit Dasgupta

在Keras 2.0.8中，似乎已经不存在model.predict_proba了。 - Martin Thoma

Answer 2

如之前的评论中所提到的（以及这里），目前没有任何区别。
然而，似乎只有为了向后兼容而存在（不确定是哪一个，我很想知道）。

- ohad

Answer 3

仅作一点说明：事实上，在大多数分类器（例如Scikit）中，你都有predict和predict_proba两种方法。正如已经提到的，第一个方法预测类别，第二个方法为每个类别提供按升序排列的概率。

- Catalina Chircu

Answer 4

在最近的 Keras 版本（例如 2.6.0）中，predict 和 predict_proba 是相同的，即都提供概率。要获取类标签，请使用 predict_classes。文档尚未更新。

- SysEng