每个样本的唯一true/false损失

Question

对于二进制预测问题，如果真标签为0，则正确预测的增益为t_0，错误的PRE的损失为f_0。1，T_1，F_1。

每个样本都有其唯一的T_0，T_1，F_0，F_1。我认为我需要更改评估指标，但我不知道该怎么做。因为大多数自定义评估公制输入（pred，true标签），您知道如何解决问题？

Answer 1

我认为，一项工作就是简单地将四个值 T_0,T_1,F_0,F_1附加到地面真理本身。由于评估指标只能使用一次，即在培训分类器时，您的目标可以伴随。

假设您以某种方式从

更改您的真实标签

[1, 0, 1, 1, 0, 0]

：

[ [1,[T_0, F_0, T_1, F_1]],
  [0,[T_0, F_0, T_1, F_1]],
  [1,[T_0, F_0, T_1, F_1]],
  [1,[T_0, F_0, T_1, F_1]],
  [0,[T_0, F_0, T_1, F_1]],
  [0,[T_0, F_0, T_1, F_1]] ] 

即。每个地面真实值都伴随着一个由T_0,T_1,F_0,F_1组成的阵列。

现在您可以这样定义您的指标：

def my_metric(y_pred,y_true):
    tot_sum = 0.0
    for idx in range(0,len(y_pred):
        if y_true[idx][0]==0:
            if y_pred[idx]==0:
                total_sum+=y_pred[idx][1][0]   #Add gain for T_0
            else:
                total_sum-=y_pred[idx][1][1]   #Subtract loss for F_0
        else:
            if y_pred[idx]==1:
                total_sum+=y_pred[idx][1][2]   #Add gain for T_1
            else:
                total_sum-=y_pred[idx][1][3]   #Subtract loss for F_1
return total_sum

我认为也可能有一种有效的方法可以使用numpy进行此操作，如果找到某些内容，我将更新答案。但是，只要正确地将价值添加到地面真理，这应该可以正常工作。