在Tensorflow中，计算Spearman而不是准确性

Question

如何计算Spearman和Pearson相关性而不是精确度，例如在下面的代码块中？ （有关完整的代码示例，您还可以回答这个tutotrial： http://adventuresinmachinelearning.com/convolutional-neural-networks-tutorial-tensorflow/）

目前为了准确，总而言之，我使用：

prediction = tf.nn.sigmoid(logits)
preds = tf.equal(tf.argmax(y, 1), tf.argmax(prediction, 1))
accuracy = tf.reduce_mean(tf.cast(preds, tf.float32))
with tf.Session() as sess:
    t_acc= accuracy.eval(feed_dict={X: X_test, y: Y_test})

与t_acc一起，如何计算Spearman和Pearson相关性。特别是这样的事情会很好：

 rho, _ = scipy.stats.spearmanr(preds, actuals)

Answer 1

1,<p>blah, blah</p>, 2, <p>blah</p>, etc.（documentation）中有Pearson相关函数，因此您可以使用：

tf.contrib

或者，您可以使用pearson_r = tf.contrib.metrics.streaming_pearson_correlation(prediction, y) 计算方差/协方差并手动计算指标。