4.2.5 새로운 데이터에 대해 예측하기

새로운 샘플로 모델의 predict 메서드를 호출하면 각 샘플에 대해 46개의 토픽에 대한 클래스 확률 분포를 반환합니다. 테스트 데이터 전체에 대한 토픽을 예측해 보겠습니다.

predictions = model.predict(x_test)

predictions의 각 항목은 길이가 46인 벡터입니다.

>>> predictions[0].shape
(46,)

이 벡터는 확률 분포를 나타내기 때문에 원소를 모두 더하면 1이 됩니다.

>>> np.sum(predictions[0])
1.0

가장 큰 값이 예측 클래스가 됩니다. 즉, 가장 확률이 높은 클래스입니다.

>>> np.argmax(predictions[0])
3