sklearn的log_loss给nan，而tensorflow.losses.log_loss工作
sklearn的log_loss给nan，而tensorflow.losses.log_loss工作
提问于 2018-05-03 14:37:25
我有一个二元分类问题。我正在使用来自tensorflow.losses.log_loss的tensorflow.losses.log_loss。
为了检查，我使用sklearn.metrics.log_loss。大多数情况下，这两个函数给出相同的结果(仅在dtype上不同)。在某些情况下，sklearn函数返回NaN，而tf.losses.log_loss返回正确的值。
数据在这里：https://pastebin.com/BvDgDnVT
代码：
import sklearn.metrics
import tensorflow as tf
y_true = [... see pastebin link]
y_pred = [... see pastebin link]
loss_sk = sklearn.metrics.log_loss(y_true, y_pred, labels=[0, 1]) # -> returns NaN
with tf.Session() as sess:
loss_tf = tf.losses.log_loss(y_true, y_pred).eval(session=sess) # -> returns 0.0549似乎出现了一些log(0)，但是为什么tensorflow没有这个问题呢？
回答 2
Stack Overflow用户
回答已采纳
发布于 2018-05-03 21:50:03
将两个数组的dtype更改为64位浮点数。
dtype=np.float64例如，添加y_pred = y_pred.astype(np.float64)
Stack Overflow用户
发布于 2020-02-20 10:43:48
解决这个问题的另一种方法是向eps=1e-7提供log_loss，这是float32更合适的epsilon，也是tensorflow使用的。但是，Scikit使用1e-15作为缺省值(预期为float64)。
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/50157689
复制相关文章
相似问题
腾讯云开发者
