Tensorflow中多类分类的类精度和召回率？

当使用张量流进行多类分类时，有没有办法获得每类精度或回忆？Tensorflow中多类分类的类精度和召回率？

例如，如果我有每个批次的y_true和y_pred，是否有功能的方法来获得每个类的精度或召回，如果我有超过2个类。

2017-08-10 prateek agrawal

您可以使用内置的tensorflow功能precision recall

recall = tf.metrics.recall(labels, predictions, **kwargs) 
precision = tf.metrics.precision(labels, predcitions, **kwargs)

来源

2017-08-10 08:51:54

正如问题所要求的那样，这些函数不会为每个类分别计算度量标准。 – Avi

我相信TF不提供这样的功能呢。根据文档（https://www.tensorflow.org/api_docs/python/tf/metrics/precision），它表示标签和预测都将转换为bool，因此它只涉及二进制分类。也许有可能对这些例子进行热门编码，它会起作用吗？但不确定这一点。

来源

2017-11-14 14:50:35 AVCarreiro

同样，这些函数不会为每个类别单独计算度量，正如问题所要求的那样。如果某些类比其他类更频繁地出现在数据中，则这些度量将由那些频繁的类所支配。通常需要的是为每个类别计算单独的召回率和精度，然后通过类别平均它们以获得总体值（类似于tf.metrics.mean_per_class_accuracy）。这些值可能与使用tf.metrics.recall和tf.metrics.precision获得的不平衡数据不同。 – Avi

其实我错了; 'tf.metrics.mean_per_class_accuracy'做了一些不同的事情，对这个问题不是很好的参考。 – Avi

我相信你不能用tf.metrics.precision/recall函数做多类精度，回忆，f1。您可以使用sklearn像这样一类三方案：

from sklearn.metrics import precision_recall_fscore_support as score 

prediction = [1,2,3,2] 
y_original = [1,2,3,3] 

precision, recall, f1 = score(y_original, prediction) 

print('precision: {}'.format(precision)) 
print('recall: {}'.format(recall)) 
print('fscore: {}'.format(fscore))

这将打印的精度数组，召回值，但只要你喜欢格式化。

来源

2018-01-13 00:50:18

下面是一个解决方案，为我工作的n = 6类的问题。如果你有更多的类，这个解决方案可能很慢，你应该使用某种映射而不是循环。

假设您在张量labels和张量labels中的logits（或posters）行中有一个热编码类标签。然后，如果n是类的数量，尝试：

y_true = tf.argmax(labels, 1) 
y_pred = tf.argmax(logits, 1) 

recall = [0] * n 
update_op_rec = [[]] * n 

for k in range(n): 
    recall[k], update_op_rec[k] = tf.metrics.recall(
     labels=tf.equal(y_true, k), 
     predictions=tf.equal(y_pred, k) 
    )

注意，内部tf.metrics.recall，变量labels和predictions被设定为布尔矢量像在2变量的情况下，其允许使用的功能。

来源

2018-01-25 22:15:09 Avi

Tensorflow中多类分类的类精度和召回率？

回答

相关问题