如何在 TensorFlow 中获取 ROC_Curve 和混淆矩阵
Posted
技术标签:
【中文标题】如何在 TensorFlow 中获取 ROC_Curve 和混淆矩阵【英文标题】:How to get ROC_Curve and Confusion Matrix in TensorFlow 【发布时间】:2017-10-02 00:13:29 【问题描述】:我正在尝试在 Tensorflow 中获取 roc_curve 和混淆矩阵。我使用了 sklearn.metrics 函数,但出现错误。我的代码如下: 从 sklearn.metrics 导入 roc_curve, auc
n_inputs = x_train.shape[1]
n_hidden1 = 500
n_hidden2 = 200
n_outputs = 2
learning_rate = 0.01
X = tf.placeholder(tf.float32, shape=(None, n_inputs), name="X")
y = tf.placeholder(tf.int64, shape=(None), name="y")
hidden1 = tf.layers.dense(X, n_hidden1, activation=None)
hidden2 = tf.layers.dense(hidden1, n_hidden2, activation=None)
logits = tf.layers.dense(hidden2, n_outputs)
loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(labels=y, logits=logits))
training_op = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss)
correct = tf.nn.in_top_k(logits, y, 1)
accuracy = tf.reduce_mean(tf.cast(correct, tf.float32))
init = tf.global_variables_initializer()
n_epochs = 20
with tf.Session() as sess:
init.run()
for epoch in range(n_epochs):
sess.run(training_op, feed_dict=X: x_train, y: y_train)
acc_train = accuracy.eval(feed_dict=X: x_train, y: y_train)
acc_test = accuracy.eval(feed_dict=X: x_test, y: y_test)
print("Epoch:", epoch, "Train accuracy:", acc_train, "Test accuracy:", acc_test)
y_score = np.array(logits)
roc_curve(y_test, y_score)
我得到的错误如下:
TypeError: Singleton array array(<tf.Tensor 'dense_26/BiasAdd:0' shape=(?, 2) dtype=float32>, dtype=object) cannot be considered a valid collection.
任何帮助将不胜感激。谢谢!
【问题讨论】:
【参考方案1】:当你打电话时
sess.run(training_op, feed_dict=X: x_train, y: y_train)
你需要请求网络返回logits
张量的值,改成这样:
training_op_result, logits_result = sess.run([training_op, logits], feed_dict=X: x_train, y: y_train)
y_score = np.array(logits_result)
roc_curve(y_test, y_score)
张量是一个图形对象。您可以通过sess.run
访问张量或计算的值/结果。
【讨论】:
以上是关于如何在 TensorFlow 中获取 ROC_Curve 和混淆矩阵的主要内容,如果未能解决你的问题,请参考以下文章
如何在图构建时获取张量的维度(在 TensorFlow 中)?
在 TensorFlow 中,如何使用 python 从张量中获取非零值及其索引?
如何在 Tensorflow 2 中获取 Conv2D 内核值