基于预测值的 Keras 自定义召回指标

Posted 2023-03-13

【中文标题】基于预测值的 Keras 自定义召回指标

【英文标题】：Keras custom recall metric based on predicted values

【发布时间】：2018-01-25 00:05:44

【问题描述】：

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

在numpy 我会这样做。对 y_preds_probs 进行排序。然后取kth 索引处的值。注意k=0.5 会给出中间值。

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])

来自Keras custom decision threshold for precision and recall 的答案非常接近，但假设决定哪些y_pred 被假定为真的阈值是已知的。如果可能，我想结合这些方法并在 Keras 后端实现基于k 和y_pred 的阈值值。

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

【参考方案1】：

感谢您引用我之前的回答。

在这种情况下，如果你使用的是 tensorflow 后端，我建议你使用这个tensorflow function：

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 tensorflow 文档。我希望它有所帮助。 :-)