如何在 Keras 中创建一个 return 多维值的指标？

Question

我正在使用 keras 解决一个多 class 问题。我的数据非常不平衡，所以我试图创建类似于混淆矩阵的东西。我的数据集非常大，并保存为 HDF5，因此我使用 HDF5Matrix 获取 X 和 Y，使 scikit-learn 混淆矩阵变得无关紧要（据我所知）。我已经看到 , or output the error per label 是可能的，但是更优雅的解决方案是创建一个多维指标来累积（预测的，真实的）标签对（有点像混淆矩阵）。我使用以下回调来尝试查看每个批次/时期的情况：

from keras.callbacks import LambdaCallback
batch_print_callback = LambdaCallback(on_batch_end=lambda batch, logs: 
print(logs),on_epoch_end=lambda epoch, logs: print(logs))

但它只累积一个值（通常是排序的平均值）。

我也试过看看是否可以 return y_pred / y_true 如下（尝试看看我是否可以打印多维值日志）：

def pred(y_true, y_pred):
     return y_pred

def true(y_true, y_pred):
    return y_true

然而，它并不是我预期的 return 多维值所以基本上，我的问题是，我可以使用 keras 来累积多维指标吗？

Answer 1

嗯，据我所知，这是不可能的，因为在返回张量值之前，应用了 K.mean。我在 keras github 上发布了一个关于这个的 issue。我想出的最好的设计是混淆矩阵中每个单元格的度量，以及收集它们的回调，灵感来自问题中提到的线程。可以找到一种可行的解决方案 here

如何在 Keras 中创建一个 return 多维值的指标？

How to create a metric in Keras that return a multi-dimensional value?

python

machine-learning

confusion-matrix

deep-learning

keras