Tensorflowの多クラス分類のための賢明な精度とリコール？

Question

テンソルフローを使用してマルチクラス分類を行うときにクラスごとの精度またはリコールを行う方法はありますか？

たとえば、各バッチからy_trueとy_predがある場合、クラスが2つ以上ある場合は、クラスごとに精度やリコールを行うための機能的な方法がありますか？

Answer 1

あなたは、私がTFはまだこのような機能を提供していないと考えている作り付けの機能precisionrecall

recall = tf.metrics.recall(labels, predictions, **kwargs) 
precision = tf.metrics.precision(labels, predcitions, **kwargs) 

Answer 2

をtensorflow使用することができます。ドキュメント（https://www.tensorflow.org/api_docs/python/tf/metrics/precision）によれば、ラベルと予測の両方がboolにキャストされるため、バイナリ分類にのみ関係しています。例をワンホットエンコードすることは可能でしょうか？それはうまくいくでしょうか？しかし、これについてはわからない。

Answer 3

tf.metrics.precision/recallの機能では、マルチクル精度、リコール、f1を行うことはできません。あなたは、3クラスのシナリオのために、このようsklearnを使用することができます。

from sklearn.metrics import precision_recall_fscore_support as score 

prediction = [1,2,3,2] 
y_original = [1,2,3,3] 

precision, recall, f1 = score(y_original, prediction) 

print('precision: {}'.format(precision)) 
print('recall: {}'.format(recall)) 
print('fscore: {}'.format(fscore)) 

これは、精度の配列を印刷リコール値が、あなたが好きなようにそれをフォーマットします。

Answer 4

ここでは、n = 6クラスの問題のために私のために働いている解決策です。さらに多くのクラスがある場合、この解決策はおそらく遅く、ループの代わりに何らかのマッピングを使用する必要があります。

テンソルlabelsの行に1つのホットエンコードされたクラスラベルがあり、テンソルlabelsのロジット（またはポスト）があるとします。 tf.metrics.recall内で、変数labelsとpredictionsは、機能の使用を可能にする2変数の場合、のように、ブールベクトルに設定されていることを

y_true = tf.argmax(labels, 1) 
y_pred = tf.argmax(logits, 1) 

recall = [0] * n 
update_op_rec = [[]] * n 

for k in range(n): 
    recall[k], update_op_rec[k] = tf.metrics.recall(
     labels=tf.equal(y_true, k), 
     predictions=tf.equal(y_pred, k) 
    ) 

注：nはクラスの数であればその後、これを試してみてください。