用于多标签分类的 keras 自定义指标

Question

我使用sigmoid 和binary_crossentropy 进行多标签分类。

例如y_true的标签类似于[1,0,1,0,0]，y_pred的标签类似于[0.8,0.3,0.9,0,0]。

如何设置Keras自定义度量函数，使y_pred中大于0.5的每个元素映射为1，y_pred中小于0.5的每个元素映射为0，然后比较@中的标签个数与y_true匹配的987654329@？

Answer 1

由于您正在进行多标签分类，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，对于一个真实标签为[1, 0, 0] 和预测标签为[0, 0, 0] 的单个样本，您认为预测准确度为零（尽管已经正确预测了第二类和第三类的标签）。如果是这种情况，您可以比较标签，然后使用后端的all() 方法来确保所有类的标签彼此匹配：

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())