Question

我正在研究在keras中使用CNN的多分类问题。我的精确度和召回率总是超过1，完全没有任何意义。下面是我的代码，我做错了什么？

def recall(y_true, y_pred):
     true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
     possible_positives = K.sum(K.round(K.clip(y_true, 0, 1)))
     recall = true_positives / (possible_positives + K.epsilon())
     return recall

def precision(y_true, y_pred):
    true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
    predicted_positives = K.sum(K.round(K.clip(y_pred, 0, 1)))
    precision = true_positives / (predicted_positives + K.epsilon())
    return precision

model.compile(loss='categorical_crossentropy', optimizer='Adam', metrics=['accuracy',recall,precision])

Answer 1

我能够弄清楚这一点。一旦您对所有分类标签进行单热编码，上述代码就能完美运行。此外，请确保您没有sparse_categorical_crossentropy作为您的损失函数，而只是使用categorical_crossentropy。

如果您希望将分类值转换为Keras中的单热编码值，则可以使用此代码：

from keras.utils import to_categorical
y_train = to_categorical(y_train)

您必须执行上述操作的原因在Keras文档中注明：

＆＃34;当使用categorical_crossentropy损失时，你的目标应该是分类格式（例如，如果你有10个类，每个样本的目标应该是一个全0的10维向量，除了1 at at对应于样本类的索引）。为了将整数目标转换为分类目标，您可以使用Keras实用程序to_categorical＆＃34;

Keras - 精度和召回大于1（多重分类）

1 个答案: