3.1.6　做出预测

一旦我们对训练模型的性能感到满意，就可以用它来预测新数据。调用模型的predict()函数实现。

> predictions <- model %>% predict(x_test_scale,verbose = 0)
> head(predictions)
          [,1]
[1,] 0.9309239
[2,] 0.2624388
[3,] 0.9582632
[4,] 0.9527556
[5,] 0.6007361
[6,] 0.5770388

预测输出的形式由网络输出层的格式决定。在回归问题上，输出结果就是样本预测值，一般由线性激活函数完成。对于二元分类问题，预测结果以其中一个类别的概率形式出现。我们从预测结果前六行可知，返回结果为每个样本预测为1的概率值。

对于分类问题，我们还可以使用predict_classes()函数，该函数会自动将预测转换为概率值最大对应的类别值。

> pred_label <- model %>% predict_classes(x_test_scale,verbose = 0)
> head(pred_label)
     [,1]
[1,]    1
[2,]    0
[3,]    1
[4,]    1
[5,]    1
[6,]    1