我应该在 keras 中使用什么损失函数和度量来进行多标签分类？

【问题标题】：What loss function and metric should I use for multi-label classification in keras?我应该在 keras 中使用什么损失函数和度量来进行多标签分类？
【发布时间】：2020-11-22 08:08:34
【问题描述】：

模型的最终激活是 softmax。（在我的例子中，输出意味着重要性。）我想选择前3名，然后我用损失函数的分类交叉熵/度量的准确度。

例如：预测：[0.44, 0.03, 0.01, 0.02, 0.30, 0.20] 真：[1, 0, 0, 0, 1, 1]

使用它们对吗？

【问题讨论】：

很大程度上取决于您正在处理的数据以及您可以处理的准确度。一些数据给出了超过 80% 的良好准确度，而在一些数据中，您必须采用最好的数据。如果这是您的最佳选择，那么是的。
是的，这是正确的
哦，我觉得我应该将我的最终激活更改为 sigmoid。

标签： python tensorflow keras

【解决方案1】：

多标签分类使用什么损失函数和指标？

对于多标签分类问题，使用sigmoid（不是softmax）。

对于损失函数，请使用tf.keras.losses.binary_crossentropy

例如，假设您有图片，X 和 Y 如果图片具有以下项目之一，则为 5 个布尔值：房子、人、气球，自行车，狗。如果一张图片可以有房子和狗，那么这确实是一个多标签分类，合适的输出应该是sigmoid。

为了您的准确性，只需像这样使用“准确性”

model.compile(loss=tf.keras.losses.binary_crossentropy,
    optimizer='sgd',  # any optimizer you like
    metrics=['accuracy'] # <-- like so
    )

我不确定你想用前 3 名解决什么问题，但这可能对损失函数或准确性没有帮助。如果您尝试显示前三个预测标签，则可以使用来自 numpy 的 argmax 之类的内容进行帖子预测。

【讨论】：