基于预测值的 Keras 自定义召回指标

Question

我想在 keras 中实现一个自定义指标，假设前 k% 最有可能y_pred_probs为真，计算召回率。

在numpy中，我会这样做如下。对y_preds_probs进行排序。然后取第k个索引处的值。注意k=0.5将给出中值。

kth_pos = int(k * len(y_pred_probs))
threshold = np.sort(y_pred_probs)[::-1][kth_pos]
y_pred = np.asarray([1 if i >= threshold else 0 for i in y_pred_probs])

答案来自：Keras 自定义精度和召回率的决策阈值非常接近，但假设决定哪些y_pred假定为真的阈值是已知的。如果可能的话，我想结合这些方法，并根据 Keras 后端中的k和y_pred实现查找threshold_value。

def recall_at_k(y_true, y_pred):
"""Recall metric.
Computes the recall over the whole batch using threshold_value from k-th percentile.
"""
###
threshold_value = # calculate value of k-th percentile of y_pred here
###
# Adaptation of the "round()" used before to get the predictions. Clipping to make sure that the predicted raw values are between 0 and 1.
y_pred = K.cast(K.greater(K.clip(y_pred, 0, 1), threshold_value), K.floatx())
# Compute the number of true positives. Rounding in prevention to make sure we have an integer.
true_positives = K.round(K.sum(K.clip(y_true * y_pred, 0, 1)))
# Compute the number of positive targets.
possible_positives = K.sum(K.clip(y_true, 0, 1))
recall_ratio = true_positives / (possible_positives + K.epsilon())
return recall_ratio

Answer 1

感谢您引用我之前的答案。

在这种情况下，如果你使用的是张量流后端，我建议你使用这个张量流函数：

tf.nn.in_top_k(
predictions,
targets,
k,
name=None
)

它输出一个布尔张量，如果答案属于前 k 个，则为 1，如果不属于，则为 0。

如果您需要更多信息，我已经链接了张量流文档。我希望它有所帮助。:-)