Как преобразовать выходные данные модели для одного входа в один из классов прогнозирования?

Question

Я использовал LabelEncoder для категориального вывода

from keras.utils import np_utils
from sklearn.preprocessing import LabelEncoder
label = LabelEncoder()
y_train = np_utils.to_categorical(label.fit_transform(y_train))
y_test = np_utils.to_categorical(label.fit_transform(y_test))

и на выходе 4 класса, после кодирования метки выглядят так

Модель выглядит так:

model0 = Sequential()
model0.add(Conv1D(32, kernel_size=(3), input_shape=input_shape))
model0.add(Conv1D(64, kernel_size=(3)))
model0.add(Conv1D(128, kernel_size=(3)))
model0.add(Conv1D(64, kernel_size=(3)))
model0.add(Conv1D(32, kernel_size=(3)))
model0.add(Flatten())
model0.add(Dense(128, activation='relu'))
model0.add(Dense(12, activation='relu'))
model0.add(Dense(4, activation='softmax'))

model0.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

После тренировки, прогнозируя, как получить результат в качестве одного из классов? Я пробовал использовать:

model0.predict_classes(feature.reshape(1,num_features,1))
array([3], dtype=int64)

Как я могу узнать, к какому классу принадлежит результат?

Answer 1

Я нашел решение: мы можем использовать inverse_transform() метод в LabelEncoder класс,

Код выглядит так:

result = model0.predict_classes(feature.reshape(1,num_features,1))
print(label.inverse_transform(result))