Question

我正在使用sigmoid和binary_crossentropy进行多标签分类。

例如，y_true的标签就像[1,0,1,0,0]，而y_pred的标签就像[0.8,0.3,0.9,0,0]。

如何设置Keras自定义指标函数，以便将y_pred中大于0.5的每个元素映射为1，将y_pred中小于0.5的每个元素映射为0，然后比较数字y_pred中与y_true匹配的标签的数量？

Answer 1

由于您正在执行多标签分类，因此您似乎希望将整个真实标签和预测标签相互比较。例如，对于单个标签的真实标签为[1, 0, 0]并且预测标签为[0, 0, 0]的样本，您将预测准确性视为零（尽管已经预测了第二和第三类的标签正确）。在这种情况下，您可以比较标签，然后从后端使用all()方法来确保所有类的标签相互匹配：

from keras import backend as K

def full_multi_label_metric(y_true, y_pred):
    comp = K.equal(y_true, K.round(y_pred))
    return K.cast(K.all(comp, axis=-1), K.floatx())

用于多标签分类的keras自定义指标

1 个答案: