Tensorflow中的平衡精度分数
Tensorflow中的平衡精度分数
提问于 2019-12-15 05:59:50
我正在为一个高度不平衡的分类问题实现一个CNN，我想在tensorflow中实现客户指标，以使用Select Best Model回调。具体地说，我想实现平衡的准确率分数，这是每个类的召回率的平均值(参见sklearn implementation here)，有人知道如何做到这一点吗？
回答 4
Stack Overflow用户
发布于 2020-01-28 14:59:43
我也面临着同样的问题，所以我实现了一个基于SparseCategoricalAccuracy的自定义类
class BalancedSparseCategoricalAccuracy(keras.metrics.SparseCategoricalAccuracy):
def __init__(self, name='balanced_sparse_categorical_accuracy', dtype=None):
super().__init__(name, dtype=dtype)
def update_state(self, y_true, y_pred, sample_weight=None):
y_flat = y_true
if y_true.shape.ndims == y_pred.shape.ndims:
y_flat = tf.squeeze(y_flat, axis=[-1])
y_true_int = tf.cast(y_flat, tf.int32)
cls_counts = tf.math.bincount(y_true_int)
cls_counts = tf.math.reciprocal_no_nan(tf.cast(cls_counts, self.dtype))
weight = tf.gather(cls_counts, y_true_int)
return super().update_state(y_true, y_pred, sample_weight=weight)其思想是将每个类的权重设置为与其大小成反比。
这段代码从Autograph中产生了一些警告，但我认为这些都是Autograph的错误，而且指标似乎工作得很好。
Stack Overflow用户
发布于 2019-12-18 13:58:56
我可以想到3种方法来解决这种情况：
1)随机欠采样-在此方法中，您可以从多数类中随机删除样本。
2)随机过采样-在此方法中，您可以通过复制样本来增加样本。
3)加权交叉熵-您也可以使用加权交叉熵，以便可以补偿少数类的损失值。See here
我亲自尝试过method2，它确实显著提高了我的准确率，但不同的数据集可能会有所不同
Stack Overflow用户
发布于 2020-03-17 04:44:16
我还没有测试过这段代码，，但是看看tensorflow==2.1.0的source code，这可能适用于二进制分类的情况：
from tensorflow.keras.metrics import Recall
from tensorflow.python.ops import math_ops
class BalancedBinaryAccuracy(Recall):
def result(self):
result = (math_ops.div_no_nan(self.true_positives, self.true_positives + self.false_negatives) +
math_ops.div_no_nan(self.true_negatives, self.true_negatives + self.false_positives)) / 2
return result[0] if len(self.thresholds) == 1 else result页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/59339531
复制相关文章
相似问题
腾讯云开发者
