为什么tensorflow插件F1得分给0正确猜测?

Question

我很困惑。我的目标是用F1 Score训练我的CNN模型。然而，结果很奇怪

import tensorflow_addons as tfa
import numpy as np
metric = tfa.metrics.F1Score(
num_classes=4, threshold=0.5)
y_true = np.array([
[0, 1, 0, 0],
# [0, 1, 0, 0],
# [1, 0, 0, 0]
], np.int32)
y_pred = np.array([
[0, 1, 0, 0],
# [0.2, 0.6, 0.2, 0.2],
# [0.6, 0.2, 0.2, 0.2]
], np.float32)
metric.update_state(y_true, y_pred)
result = metric.result()
result.numpy()

预期结果为

[1,1,1,1]

因此，当我想获得宏F1 Score时，它应该是1而不是0.25。

实际结果是

[0, 1, 0, 0]

因此，当我使用参数average=macro时，实际结果是0.25。

编辑:

我很困惑。我添加另一行y_true，它的工作。我希望它抛出错误，但它没有。

import tensorflow_addons as tfa
import numpy as np
metric = tfa.metrics.F1Score(
num_classes=4, threshold=0.5)
y_true = np.array([
[0, 1, 0, 0],
[1, 0, 0, 0]
# [0, 1, 0, 0],
# [1, 0, 0, 0]
], np.int32)
y_pred = np.array([
[0, 1, 0, 0],
# [0.2, 0.6, 0.2, 0.2],
# [0.6, 0.2, 0.2, 0.2]
], np.float32)
metric.update_state(y_true, y_pred)
result = metric.result()
result.numpy()

tensorflow插件有bug吗?

Answer 1

tfa.metrics.F1Score没有问题。您已经定义了4个类，y_pred行的每个元素表示类的概率，如果超过阈值则为1，然后计算F1分数。在你的第一个例子中，没有输出表示类0,2,3，这就是为什么它们是零。

检查下面的例子，

y_true = np.array([
[0, 1, 1, 0],
[0, 0, 0, 1],
[1, 0, 1, 0],
y_pred = np.array([
[0, 1, 0, 0],
[0, 1, 0, 0],
[0.6, 0, 0.51, 0],
#metrics.F1Score
[1.       , 0.6666667, 0.6666667, 0.       ]