TensorFlow 多标签准确度测量答案

【问题标题】：Tensorflow multilabel accuracy measuresTensorFlow 多标签准确度测量
【发布时间】：2020-10-13 17:45:05
【问题描述】：

我正在处理一个有 11 个可能标签的多标签问题。

y_true 和 y_pred 是形状为 [batch_size, 11] 的张量，其中可能的标签表示为 0 和 1，例如：

例如，batch_size=4

  y_true=[[0,1,1,1,0,0,0,1,0,0,1],
           [0,1,1,1,0,0,0,1,1,0,1],
           [0,1,0,1,1,0,0,1,0,0,1],
           [0,0,1,1,0,0,0,1,0,0,0]]

   y_pred= [[0,1,1,1,0,0,0,1,0,0,0],
           [0,1,1,1,0,0,0,1,1,0,1],
           [1,1,0,1,1,0,0,1,0,0,1],
           [1,0,1,1,1,0,0,1,0,0,0]]

我一直在搜索，但我有很多问题，我想要 3 种准确度：

“类准确度”，我的意思是如果正确的标签是 [class1, class2, class3,..., class11]。
```
 y_true_class1=[0,0,0,0]  
 y_pred_class1=[0,0,1,1]
 acc_class1=2/4
```
批次中每个元素的准确率平均值，例如：

y_true_batch_element_1= [0,1,1,1,0,0,0,1,0,0,1]

y_pred_batch_element_1= [0,1,1,1,0,0,0,1,0,0,0]

acc_element_1 = 10/11

然后：

mean(acc_element_1, acc_element_2, ..., acc_element_n)

必须正确预测所有类，在这种情况下，我们会收到：

acc=1/4 (element2 是唯一一个完全对）`

如何使用 TensorFlow 获得这些准确度？

【问题讨论】：

标签： python tensorflow metrics multilabel-classification

【解决方案1】：

这就是你所拥有的：

import tensorflow as tf

y_true = tf.convert_to_tensor([[0, 1, 1, 1, 0, 0, 0, 1, 0, 0, 1],
                               [0, 1, 1, 1, 0, 0, 0, 1, 1, 0, 1],
                               [0, 1, 0, 1, 1, 0, 0, 1, 0, 0, 1],
                               [0, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0]])

y_pred = tf.convert_to_tensor([[0, 1, 1, 1, 0, 0, 0, 1, 0, 0, 0],
                               [0, 1, 1, 1, 0, 0, 0, 1, 1, 0, 1],
                               [1, 1, 0, 1, 1, 0, 0, 1, 0, 0, 1],
                               [1, 0, 1, 1, 1, 0, 0, 1, 0, 0, 0]])

这是您的第一个和第二个指标：

tf.divide(tf.reduce_sum(
    tf.cast(
        tf.equal(y_true, y_pred), tf.int32), axis=1), 
    tf.shape(y_true)[1])

<tf.Tensor: shape=(4,), dtype=float64, numpy=array([0.90909091, 1., 0.90909091, 0.81818182])>

这是您的第三个指标：

tf.reduce_mean(tf.cast(tf.reduce_all(tf.equal(y_true, y_pred), axis=1), tf.float32), axis=0)

<tf.Tensor: shape=(), dtype=float32, numpy=0.25>

我希望我做对了。你的两个第一次在我看来是一样的。

【讨论】：