Question

我将Precision @ K作为Keras中的自定义指标。根据{{3}}

import keras.backend as K

def mean_pred(y_true, y_pred):
    return K.mean(y_pred)

model.compile(optimizer='rmsprop',
              loss='binary_crossentropy',
              metrics=['accuracy', mean_pred])

我只需要使用Keras后端计算一个函数，然后在编译步骤传递它即可。

使用Numpy只能计算precision @ k，如下例所示：

def precisionatk(y_true,y_pred,k)
    precision_average = []
    idx =  (-y_pred).argsort(axis=-1)[:,:k]
    for i in range(idx.shape[0]):
        precision_sample = 0
        for j in idx[i,:]:
            if y_true[i,j] == 1:
                precision_sample += 1
        precision_sample = precision_sample / k
        precision_average.append(precision_sample)
    return np.mean(precision_average)


y_true = np.array([[0,0,1,0],[1,0,1,0]])
y_pred = np.array([[0.1,0.4,0.8,0.2],[0.3,0.2,0.5,0.1]])

print(precisionatk(y_true,y_pred,2))

0.75

那么，如何将其翻译为Keras后端？

编辑：我正在处理一个多标签问题，并且y_true始终是一个具有1或0的数组，并且y_prediction每个类的概率。

Precision @ K作为Keras中的自定义指标

0 个答案: