Tensorflow中多類分類的類精度和召回率？

當使用張量流進行多類分類時，有沒有辦法獲得每類精度或回憶？Tensorflow中多類分類的類精度和召回率？

例如，如果我有每個批次的y_true和y_pred，是否有功能的方法來獲得每個類的精度或召回，如果我有超過2個類。

2017-08-10 prateek agrawal

您可以使用內置的tensorflow功能precision recall

recall = tf.metrics.recall(labels, predictions, **kwargs) 
precision = tf.metrics.precision(labels, predcitions, **kwargs)

來源

2017-08-10 08:51:54

正如問題所要求的那樣，這些函數不會爲每個類分別計算度量標準。 – Avi

我相信TF不提供這樣的功能呢。根據文檔（https://www.tensorflow.org/api_docs/python/tf/metrics/precision），它表示標籤和預測都將轉換爲bool，因此它只涉及二進制分類。也許有可能對這些例子進行熱門編碼，它會起作用嗎？但不確定這一點。

來源

2017-11-14 14:50:35 AVCarreiro

同樣，這些函數不會爲每個類別單獨計算度量，正如問題所要求的那樣。如果某些類比其他類更頻繁地出現在數據中，則這些度量將由那些頻繁的類所支配。通常需要的是爲每個類別計算單獨的召回率和精度，然後通過類別平均它們以獲得總體值（類似於tf.metrics.mean_per_class_accuracy）。這些值可能與使用tf.metrics.recall和tf.metrics.precision獲得的不平衡數據不同。 – Avi

其實我錯了; 'tf.metrics.mean_per_class_accuracy'做了一些不同的事情，對這個問題不是很好的參考。 – Avi

我相信你不能用tf.metrics.precision/recall函數做多類精度，回憶，f1。您可以使用sklearn像這樣一類三方案：

from sklearn.metrics import precision_recall_fscore_support as score 

prediction = [1,2,3,2] 
y_original = [1,2,3,3] 

precision, recall, f1 = score(y_original, prediction) 

print('precision: {}'.format(precision)) 
print('recall: {}'.format(recall)) 
print('fscore: {}'.format(fscore))

這將打印的精度數組，召回值，但只要你喜歡格式化。

來源

2018-01-13 00:50:18

下面是一個解決方案，爲我工作的n = 6類的問題。如果你有更多的類，這個解決方案可能很慢，你應該使用某種映射而不是循環。

假設您在張量labels和張量labels中的logits（或posters）行中有一個熱編碼類標籤。然後，如果n是類的數量，嘗試：

y_true = tf.argmax(labels, 1) 
y_pred = tf.argmax(logits, 1) 

recall = [0] * n 
update_op_rec = [[]] * n 

for k in range(n): 
    recall[k], update_op_rec[k] = tf.metrics.recall(
     labels=tf.equal(y_true, k), 
     predictions=tf.equal(y_pred, k) 
    )

注意，內部tf.metrics.recall，變量labels和predictions被設定爲布爾矢量像在2變量的情況下，其允許使用的功能。

來源

2018-01-25 22:15:09 Avi

Tensorflow中多類分類的類精度和召回率？

回答

相關問題