定義keras的AUC度量標準以支持驗證數據集的評估

我試圖實現keras的AUC度量，以便在model.fit（）運行期間運行驗證集後運行AUC度量。定義keras的AUC度量標準以支持驗證數據集的評估

我定義的指標，因爲這：

def auc(y_true, y_pred): 
    keras.backend.get_session().run(tf.global_variables_initializer()) 
    keras.backend.get_session().run(tf.initialize_all_variables()) 
    keras.backend.get_session().run(tf.initialize_local_variables()) 

    #return K.variable(value=tf.contrib.metrics.streaming_auc(
    # y_pred, y_true)[0], dtype='float32') 
    return tf.contrib.metrics.streaming_auc(y_pred, y_true)[0]

這將導致以下錯誤，我不知道理解。

tensorflow.python.framework.errors_impl.FailedPreconditionError: 
Attempting to use uninitialized value auc/true_positives...

從網上閱讀，似乎問題是2倍，在tensorflow/keras中的錯誤和部分和問題與tensorflow暫時無法從推理初始化局部變量。鑑於這兩個問題，我不明白爲什麼我會得到這個錯誤或如何克服它。有什麼建議麼？

爲了證明我不是懶惰的，我寫了2個其他指標可以正常工作。

# PFA, prob false alert for binary classifier 
def binary_PFA(y_true, y_pred, threshold=K.variable(value=0.5)): 
    y_pred = K.cast(y_pred >= threshold, 'float32') 
    # N = total number of negative labels 
    N = K.sum(1 - y_true) 
    # FP = total number of false alerts, alerts from the negative class labels 
    FP = K.sum(y_pred - y_pred * y_true)  
    return FP/N 

# P_TA prob true alerts for binary classifier 
def binary_PTA(y_true, y_pred, threshold=K.variable(value=0.5)): 
    y_pred = K.cast(y_pred >= threshold, 'float32') 
    # P = total number of positive labels 
    P = K.sum(y_true) 
    # TP = total number of correct alerts, alerts from the positive class labels 
    TP = K.sum(y_pred * y_true)  
    return TP/P

來源

2017-04-06 Isaac Gerg

你需要運行tf.initialize_local_variables（）返回的AUC張

def auc(y_true, y_pred): 
    auc = tf.metrics.auc(y_true, y_pred)[1] 
    K.get_session().run(tf.local_variables_initializer()) 
    return auc

這將初始化TP，FP，TN，FN爲零之前。請注意，由於TP，FP，TN，FN變量必須在每次運行後初始化爲零，因此這隻會在第一次計算出正確的auc得分時才提供。

來源

2018-02-19 04:11:00

定義keras的AUC度量標準以支持驗證數據集的評估

回答

相關問題