淺談keras中自定義二分類任務評價指標metrics的方法以及程式碼
對於二分類任務，keras現有的評價指標只有binary_accuracy，即二分類準確率，但是評估模型的效能有時需要一些其他的評價指標，例如精確率，召回率，F1-score等等，因此需要使用keras提供的自定義評價函式功能構建出針對二分類任務的各類評價指標。
keras提供的自定義評價函式功能需要以如下兩個張量作為輸入，並返回一個張量作為輸出。
y_true：資料集真實值組成的一階張量。
y_pred：資料集輸出值組成的一階張量。
tf.round()可對張量四捨五入，因此tf.round(y_pred)即是預測值張量。
1-tf.round(y_pred)即是預測值張量取反。
1-y_true即是真實值張量取反。
tf.reduce_sum()可對張量求和。
由此可以根據定義構建出四個基礎指標TP、TN、FP、FN，然後進一步構建出進階指標precision、recall、F1score，最後在編譯階段引用上述自定義評價指標即可。
keras中自定義二分類任務常用評價指標及其引用的程式碼如下
import tensorflow as tf #精確率評價指標 def metric_precision(y_true,y_pred): TP=tf.reduce_sum(y_true*tf.round(y_pred)) TN=tf.reduce_sum((1-y_true)*(1-tf.round(y_pred))) FP=tf.reduce_sum((1-y_true)*tf.round(y_pred)) FN=tf.reduce_sum(y_true*(1-tf.round(y_pred))) precision=TP/(TP+FP) return precision #召回率評價指標 def metric_recall(y_true,y_pred): TP=tf.reduce_sum(y_true*tf.round(y_pred)) TN=tf.reduce_sum((1-y_true)*(1-tf.round(y_pred))) FP=tf.reduce_sum((1-y_true)*tf.round(y_pred)) FN=tf.reduce_sum(y_true*(1-tf.round(y_pred))) recall=TP/(TP+FN) return recall #F1-score評價指標 def metric_F1score(y_true,y_pred): TP=tf.reduce_sum(y_true*tf.round(y_pred)) TN=tf.reduce_sum((1-y_true)*(1-tf.round(y_pred))) FP=tf.reduce_sum((1-y_true)*tf.round(y_pred)) FN=tf.reduce_sum(y_true*(1-tf.round(y_pred))) precision=TP/(TP+FP) recall=TP/(TP+FN) F1score=2*precision*recall/(precision+recall) return F1score #編譯階段引用自定義評價指標示例 model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy',metric_precision,metric_recall,metric_F1score])
補充知識：keras sklearn下兩分類/多分類的技術雜談（交叉驗證和評價指標）
一.前言
這篇部落格是為了記錄論文補充實驗中所遇到的問題，以及解決方法，主要以程式的形式呈現。
二.物件
深度學習框架：keras
研究物件：兩分類/多分類
三.技術雜談
1.K-FOLD交叉驗證
1.概念
對一個模型進行K次訓練，每次訓練將整個資料集分為隨機的K份，K-1作為訓練集，剩餘的1份作為驗證集，每次訓練結束將驗證集上的效能指標儲存下來，最後對K個結果進行平均得到最終的模型效能指標。
2.優缺點
優點：模型評估更加魯棒
缺點：訓練時間加大
3.程式碼
① sklearn與keras獨立使用
from sklearn.model_selection import StratifiedKFold
import numpy
seed = 7 # 隨機種子
numpy.random.seed(seed) # 生成固定的隨機數
num_k = 5 # 多少折
# 整個資料集(自己定義)
X =
Y =
kfold = StratifiedKFold(n_splits=num_k,shuffle=True,random_state=seed) # 分層K折，保證類別比例一致
cvscores = []
for train,test in kfold.split(X,Y):
# 可以用sequential或者function的方式建模（自己定義）
model =
model.compile() # 自定義
# 模型訓練
model.fit(X[train],Y[train],epochs=150,batch_size=10,verbose=0)
# 模型測試
scores = model.evaluate(X[test],Y[test],verbose=0)
print("%s: %.2f%%" % (model.metrics_names[1],scores[1]*100)) # 打印出驗證集準確率
cvscores.append(scores[1] * 100)
print("%.2f%% (+/- %.2f%%)" % (numpy.mean(cvscores),numpy.std(cvscores))) # 輸出k-fold的模型平均和標準差結果
② sklearn與keras結合使用
from keras.wrappers.scikit_learn import KerasClassifier # 使用keras下的sklearn API from sklearn.cross_validation import StratifiedKFold,cross_val_score import numpy as np seed = 7 # 隨機種子 numpy.random.seed(seed) # 生成固定的隨機數 num_k = 5 # 多少折 # 整個資料集(自己定義) X = Y = # 建立模型 def model(): # 可以用sequential或者function的方式建模（自己定義） model = return model model = KerasClassifier(build_fn=model,batch_size=10) kfold = StratifiedKFold(Y,n_folds=num_k,random_state=seed) results = cross_val_score(model,X,Y,cv=kfold) print(np.average(results)) # 輸出k-fold的模型平均結果
補充：引入keras的callbacks
只需要在①②中的model.fit中加入一個arg：callbacks=[keras.callbacks.ModelCheckpoint()] # 這樣可以儲存下模型的權重，當然了你也可以使用callbacks.TensorBoard儲存下訓練過程
2.二分類/多分類評價指標
1.概念
二分類就是說，一個目標的標籤只有兩種之一（例如：0或1，對應的one-hot標籤為[1,0]或[0,1]）。對於這種問題，一般可以採用softmax或者logistic迴歸來完成，分別採用cross-entropy和mse損失函式來進行網路訓練，分別輸出概率分佈和單個的sigmoid預測值(0,1)。
多分類就是說，一個目標的標籤是幾種之一（如：0，1，2…）
2.評價指標
主要包含了：準確率（accuracy），錯誤率（error rate），精確率（precision），召回率（recall）= 真陽率（TPR）= 靈敏度（sensitivity），F1-measure（包含了micro和macro兩種），假陽率（FPR），特異度（specificity），ROC（receiver operation characteristic curve）（包含了micro和macro兩種），AUC（area under curve），P-R曲線（precision-recall）,混淆矩陣
① 準確率和錯誤率
accuracy = （TP+TN）/ (P+N)或者accuracy = （TP+TN）/ (T+F)
error rate = (FP+FN) / (P+N)或者(FP+FN) / (T+F)
accuracy = 1 - error rate
可見：準確率、錯誤率是對分類器在整體資料上的評價指標。
② 精確率
precision=TP /（TP+FP）
可見：精確率是對分類器在預測為陽性的資料上的評價指標。
③ 召回率/真陽率/靈敏度
recall = TPR = sensitivity = TP/(TP+FN)
可見：召回率/真陽率/靈敏度是對分類器在整個陽性資料上的評價指標。
④ F1-measure
F1-measure = 2 * (recall * precision / (recall + precision))
包含兩種：micro和macro（對於多類別分類問題，注意區別於多標籤分類問題）
1)micro
計算出所有類別總的precision和recall，然後計算F1-measure
2)macro
計算出每一個類的precison和recall後計算F1-measure，最後將F1-measure平均
可見：F1-measure是對兩個矛盾指標precision和recall的一種調和。
⑤ 假陽率
FPR=FP / (FP+TN)
可見：假陽率是對分類器在整個陰性資料上的評價指標，針對的是假陽。
⑥ 特異度
specificity = 1- FPR
可見：特異度是對分類器在整個陰性資料上的評價指標，針對的是真陰。
⑦ ROC曲線和AUC
作用：靈敏度與特異度的綜合指標
橫座標：FPR/1-specificity
縱座標：TPR/sensitivity/recall
AUC是ROC右下角的面積，越大，表示分類器的效能越好
包含兩種：micro和macro（對於多類別分類問題，注意區別於多標籤分類問題）
假設一共有M個樣本，N個類別。預測出來的概率矩陣P（M,N），標籤矩陣L (M,N)
1)micro
根據P和L中的每一列（對整個資料集而言），計算出各閾值下的TPR和FPR，總共可以得到N組資料，分別畫出N個ROC曲線，最後取平均
2)macro
將P和L按行展開，然後轉置為兩列，最後畫出一個ROC曲線
⑧ P-R曲線
橫軸：recall
縱軸：precision
評判：1）直觀看，P-R包圍的面積越大越好，P=R的點越大越好；2）通過F1-measure來看
比較ROC和P-R: 當樣本中的正、負比例不平衡的時候，ROC曲線基本保持不變，而P-R曲線變化很大，原因如下：
當負樣本的比例增大時，在召回率一定的情況下，那麼表現較差的模型必然會召回更多的負樣本，TP降低，FP迅速增加（對於效能差的分類器而言），precision就會降低，所以P-R曲線包圍的面積會變小。
⑨ 混淆矩陣
行表示的是樣本中的一種真類別被預測的結果，列表示的是一種被預測的標籤所對應的真類別。
3.程式碼
注意：以下的程式碼是合在一起寫的，有註釋。
from sklearn import datasets
import numpy as np
from sklearn.preprocessing import label_binarize
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import confusion_matrix,precision_score,accuracy_score,recall_score,f1_score,roc_auc_score,precision_recall_fscore_support,roc_curve,classification_report
import matplotlib.pyplot as plt
iris = datasets.load_iris()
x,y = iris.data,iris.target
print("label:",y)
n_class = len(set(iris.target))
y_one_hot = label_binarize(y,np.arange(n_class))
# alpha = np.logspace(-2,2,20) #設定超引數範圍
# model = LogisticRegressionCV(Cs = alpha,cv = 3,penalty = 'l2') #使用L2正則化
model = LogisticRegression() # 內建了最大迭代次數了，可修改
model.fit(x,y)
y_score = model.predict(x) # 輸出的是整數標籤
mean_accuracy = model.score(x,y)
print("mean_accuracy: ",mean_accuracy)
print("predict label:",y_score)
print(y_score==y)
print(y_score.shape)
y_score_pro = model.predict_proba(x) # 輸出概率
print(y_score_pro)
print(y_score_pro.shape)
y_score_one_hot = label_binarize(y_score,np.arange(n_class)) # 這個函式的輸入必須是整數的標籤哦
print(y_score_one_hot.shape)
obj1 = confusion_matrix(y,y_score) # 注意輸入必須是整數型的，shape=(n_samples,)
print('confusion_matrix\n',obj1)
print(y)
print('accuracy:{}'.format(accuracy_score(y,y_score))) # 不存在average
print('precision:{}'.format(precision_score(y,y_score,average='micro')))
print('recall:{}'.format(recall_score(y,average='micro')))
print('f1-score:{}'.format(f1_score(y,average='micro')))
print('f1-score-for-each-class:{}'.format(precision_recall_fscore_support(y,y_score))) # for macro
# print('AUC y_pred = one-hot:{}\n'.format(roc_auc_score(y_one_hot,y_score_one_hot,average='micro'))) # 對於multi-class輸入必須是proba，所以這種是錯誤的
# AUC值
auc = roc_auc_score(y_one_hot,y_score_pro,average='micro') # 使用micro，會計算n_classes個roc曲線，再取平均
print("AUC y_pred = proba:",auc)
# 畫ROC曲線
print("one-hot label ravelled shape:",y_one_hot.ravel().shape)
fpr,tpr,thresholds = roc_curve(y_one_hot.ravel(),y_score_pro.ravel()) # ravel()表示平鋪開來,因為輸入的shape必須是(n_samples,)
print("threshold： ",thresholds)
plt.plot(fpr,linewidth = 2,label='AUC=%.3f' % auc)
plt.plot([0,1],[0,'k--') # 畫一條y=x的直線，線條的顏色和型別
plt.axis([0,1.0,1.0]) # 限制座標範圍
plt.xlabel('False Postivie Rate')
plt.ylabel('True Positive Rate')
plt.legend()
plt.show()
# p-r曲線針對的是二分類，這裡就不描述了
ans = classification_report(y,digits=5) # 小數點後保留5位有效數字
print(ans)
以上這篇淺談keras中自定義二分類任務評價指標metrics的方法以及程式碼就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。