使用 tensorflow 获取真阳性、假阳性、假阴性和真阴性列表答案

【问题标题】：Get list of true positives, false positives, false negatives and true negatives with tensorflow使用 tensorflow 获取真阳性、假阳性、假阴性和真阴性列表
【发布时间】：2020-05-19 14:03:04
【问题描述】：

这是我的工作：

我已经注释了“活”细胞的图像（大约 8.000）和“死”细胞的图像（大约 2.000）（+ 800 和 200 用于测试集）
我正在使用 CNN（使用 tensorflow 和 keras）将图像分类为“活”或“死”。
我训练了我的模型：验证损失 = 0.35，召回 = 0.81，准确率 = 0.81。

问题来了：我怎样才能得到分类为“活”或“死”的图像列表，以便我可以检查它们（可能有些图像不在正确的文件夹中？或者模型有特定类型的问题图片？）

如果您有任何线索可以解决这个问题，请告诉我？

请你的。

【问题讨论】：

标签： python tensorflow keras deep-learning conv-neural-network

【解决方案1】：

对于二元分类的情况，您可以获取真实标签向量和预测标签之间的差异。差异向量将包含正确分类的零，-1 表示误报，1 表示误报。然后，您可以例如使用np.where 来查找误报的索引等等。

要获得误报和误报等的索引，您可以简单地执行以下操作：

import numpy as np 

real = np.array([1,0,0,1,1,1,1,1])
predicted = np.array([1,1,0,0,1,1,0,1])

diff = real-predicted
print('diff: ',diff)

# Correct is 0 
# FP is -1 
# FN is 1
print('Correctly classified: ', np.where(diff == 0)[0])
print('Incorrectly classified: ', np.where(diff != 0)[0])
print('False positives: ', np.where(diff == -1)[0])
print('False negatives: ', np.where(diff == 1)[0])

输出：

diff:  [ 0 -1  0  1  0  0  1  0]
Correctly classified:  [0 2 4 5 7]
Incorrectly classified:  [1 3 6]
False positives:  [1]
False negatives:  [3 6]

【讨论】：

你好@Naphat Amundsen！感谢您的快速答复。实际上，我已经设法绘制了我的混淆矩阵。但是，我想知道我的模型分类正确或错误的图像列表（以便我可以直观地检查它们）。
非常抱歉！由于某种原因，我回答的时候头脑发热。我现在已经编辑了代码！
@NaphatAmundsen 如何检查多类分类（4 类）？在这种情况下，差异值是多少？
@keertikulkarni 我基本上只是循环并针对每个类执行上述过程，然后可能将结果存储在具有形状（n_classes，n_datapoints）的二维 numpy 数组中，然后从中工作。你基本上会有多个 diff 数组。我不知道您要解决的问题，因此它可能不是解决您的问题的最佳设置。您可以提交一个新问题，以便我（或其他人）可以根据您的需要正确地用代码回答您。
@NaphatAmundsen 谢谢。我提交了一个新问题。