AttributeError：“功能性”对象没有属性“ predict_proba”

编程问答 2022-08-13

问题描述

要打印具有多个模型的ROC曲线，我面临着这个特殊错误。需要帮助

from tensorflow.keras.models import load_model
    def dense():
      return (load_model('DenseNet201.h5'))
    def mobile():
      return(load_model('MobileNet.h5'))
    def res():
      return(load_model('resnet50V2.h5'))
    def vgg():
      return(load_model('VGG16.h5'))
    models = [
    {
        'label': 'DenseNet201','model': dense(),},{
        'label': 'MobileNet','model':mobile(),{
        'label': 'resnet50V2','model':res(),{
        'label': 'VGG16','model':vgg(),}]
    from sklearn import metrics
    import matplotlib.pyplot as plt
    from tensorflow.keras.utils import to_categorical
    plt.figure()
    
    # Below for loop iterates through your models list
    for m in models:
        model = m['model'] # select the model
        #model.fit(X_train,y_train) # train the model
        y_pred=model.predict(X_test) # predict the test data
    # Compute False postive rate,and True positive rate
        #fpr,tpr,thresholds = metrics.roc_curve(y_test,model.y_pred_bin(X_test)[:,1])
        fpr,model.predict_proba(X_test)[:,1])
    # Calculate Area under the curve to display on the plot
        auc = metrics.roc_auc_score(y_test,model.predict(X_test))
    # Now,plot the computed values
        plt.plot(fpr,label='%s ROC (area = %0.2f)' % (m['label'],auc))
    # Custom settings for the plot 
    plt.plot([0,1],[0,'r--')
    plt.xlim([0.0,1.0])
    plt.ylim([0.0,1.05])
    plt.xlabel('1-Specificity(False Positive Rate)')
    plt.ylabel('Sensitivity(True Positive Rate)')
    plt.title('Receiver Operating Characteristic')
    plt.legend(loc="lower right")
    plt.show()   # display

我将预训练的模型加载到函数中，并使用此代码将其返回。我列出了要迭代的列表，它将调用加载这些模型的函数，因此将绘制每个模型的ROC曲线。

完整TraceBack 

> AttributeError                            Traceback (most recent call
> last) <ipython-input-43-f353a6208636> in <module>()
>      11 # Compute False postive rate,and True positive rate
>      12     #fpr,1])
> ---> 13     pred_prob = model.predict_proba(X_test)
>      14     fpr,pred_prob[:,1])
>      15 # Calculate Area under the curve to display on the plot
> 
> AttributeError: 'Functional' object has no attribute 'predict_proba'

解决方法

你可以改用这个 -

model.predict_on_batch(X_test)

请注意，roc_curve 或 f1_score 仅采用单值输出。像 [[1],[0],....[1]]

在我的情况下，我已将其转换为分类，例如 [[0,1],[1,0],...,[0,1]] ，并在我的输出中使用了 softmax

so model.predict_on_batch(X_test) 也给出了输出 likr [[0.3,0.7],[0.9,0.1] ...[0.2,0.8]]

所以我必须将其转换为单值输出，然后使用以下函数将其传递给 sklearn 的 roc_curve 或 f1_score：

  def y_(y):
    r = []  
    for i in y:
      if i[0] > 0.5:
        r.append([0])
      else:
        r.append([1])
    return np.array(r)
matplotlibpythonrocscikit-learn