KerasカスタムRMSLEメトリック

Question

Kerasでこのメトリックを実装するにはどうすればよいですか？下の私のコードは間違った結果を与えます！私はEXPを経由して、前のログ（X + 1）の変換を元に戻すよ 注（X） - 1、また、負の予測は0にクリップされています

def rmsle_cust(y_true, y_pred): 
    first_log = K.clip(K.exp(y_pred) - 1.0, 0, None) 
    second_log = K.clip(K.exp(y_true) - 1.0, 0, None) 
    return K.sqrt(K.mean(K.square(K.log(first_log + 1.) - K.log(second_log + 1.)), axis=-1) 

比較のために、ここでは標準numpyの実装があります：

def rmsle_cust_py(y, y_pred, **kwargs): 
    # undo 1 + log 
    y = np.exp(y) - 1 
    y_pred = np.exp(y_pred) - 1 

    y_pred[y_pred < 0] = 0.0 
    to_sum = [(math.log(y_pred[i] + 1) - math.log(y[i] + 1)) ** 2.0 for i,pred in enumerate(y_pred)] 
    return (sum(to_sum) * (1.0/len(y))) ** 0.5 

私は間違っていますか？ありがとう！

EDIT：設定axis=0は、正しい値に非常に近い値を示しているようですが、私が使用しているコードはすべてaxis=-1と思われます。

Answer 1

私は同じ問題に遭遇し、それを探し、ここに私は修正ビット後

https://www.kaggle.com/jpopham91/rmlse-vectorized

を見つけたもので、これは、私のためKerasとTensorFlowで実装rmsle_K方法を動作するようです。

import numpy as np 
import math 
from keras import backend as K 
import tensorflow as tf 

def rmsle(y, y0): 
    assert len(y) == len(y0) 
    return np.sqrt(np.mean(np.power(np.log1p(y)-np.log1p(y0), 2))) 

def rmsle_loop(y, y0): 
    assert len(y) == len(y0) 
    terms_to_sum = [(math.log(y0[i] + 1) - math.log(y[i] + 1)) ** 2.0 for i,pred in enumerate(y0)] 
    return (sum(terms_to_sum) * (1.0/len(y))) ** 0.5 

def rmsle_K(y, y0): 
    return K.sqrt(K.mean(K.square(tf.log1p(y) - tf.log1p(y0)))) 

r = rmsle(y=[5, 20, 12], y0=[8, 16, 12]) 
r1 = rmsle_loop(y=[5, 20, 12], y0=[8, 16, 12]) 
r2 = rmsle_K(y=[5., 20., 12.], y0=[8., 16., 12.]) 

print(r) 

print(r1) 

sess = tf.Session() 

print(sess.run(r2)) 

結果：

はTensorFlowバックエンド

0.263978210565 

0.263978210565 

0.263978 

Answer 2

numpyの実装でリスト（to_sum）を使用すると、numpyの配列の形状が(length,)であると思われます。

ケラスでは、axis=0とaxis=1の結果が異なるので、おそらく(length,1)のような形になります。

to_sumリストを作成するときにも、あなたがnumpyの実装でaxis=0から要素を取っていることを意味する、y[i]とy_pred[i]を使用しています。

numpyの実装では、平均を計算するためのすべての値もsum(to_sum)に集計されます。したがって、K.meanにはaxisを実際に使用する必要はありません。

モデルの出力形状が(length,)または(length,1)の場合は、軸パラメータを渡さずにK.mean(value)を使用できます。