Keranoでsklearnsの複数ラベルの精度をサブセットにするにはどうしたらいいですか？

Question

Sklearnは、サブセットの精度としてマルチラベル問題のaccuracy_score（docs）を計算します。各予測は、すべての予測ラベルが正しい場合にのみ正しいとカウントされます。

def accuracy(y_true, y_pred): 
    return K.mean(K.equal(y_true, K.round(y_pred)), axis=-1) 

値が高すぎる：Kerasのデフォルト'accuracy'はバイナリ精度です。私はK.equalは、各要素の平等を計算すると思いますよね？ベクトルごとに等価を計算するにはどうすればよいですか？

Answer 1

私はこのためにcallbackと書く必要があると思います。ここに例があります。

import numpy as np 

from keras.models import Sequential 
from keras.layers import Dense 
from keras.callbacks import Callback 

from sklearn.metrics.classification import accuracy_score 

n_labels = 3 
n_samples = 20 
n_feats = 10 

x = np.random.normal(size=(n_samples, n_feats)) 
y = np.random.randint(2, size=(n_samples, n_labels)) 

model = Sequential() 
model.add(Dense(50, input_shape=(n_feats,))) 
model.add(Dense(n_labels, activation='sigmoid')) 

model.compile(
    loss='binary_crossentropy', 
    optimizer='rmsprop', 
    metrics=['accuracy'] 
) 

class SkLearnHistory(Callback): 
    def __init__(self, x, y): 
     self.x = x 
     self.y = y 

    def on_train_begin(self, logs={}): 
     self.accuracy = [] 

    def on_epoch_end(self, epoch, logs={}): 
     y_pred = np.round(self.model.predict(self.x)) 
     y_true = self.y 

     score = accuracy_score(y_true, y_pred) 
     self.accuracy.append(score) 

     return 

sklearn_history = SkLearnHistory(x, y) 
keras_history = model.fit(x, y, epochs=5, verbose=0, callbacks=[sklearn_history]) 

keras_history.history['acc'] 

# [0.46666663885116577, 
# 0.48333334922790527, 
# 0.51666665077209473, 
# 0.58333337306976318, 
# 0.60000002384185791] 

sklearn_history.accuracy 

# [0.14999999999999999, 0.20000000000000001, 0.25, 0.25, 0.25]