我正在研究一个多标签
图像分类问题,并根据系统预测标签和真实标签之间的F1-score
进行评估。
鉴于此,我应该使用 loss="binary_crossentropy"
或 loss=keras_metrics.f1_score()
其中 keras_metrics.f1_score()
是取自此处:https://pypi.org/project/keras-metrics/
?我有点困惑,因为我在互联网上找到的所有关于多标签分类的教程都是基于 binary_crossentropy 损失函数,但在这里我必须针对F1 分数
。
此外,我应该设置 metrics=["accuracy"]
还是 metrics=[keras_metrics.f1_score()]
或者我应该将其完全留空?
最佳答案
基于user706838回答...
使用https://www.kaggle.com/rejpalcz/best-loss-function-for-f1-score-metric中的f1_score
import tensorflow as tf
import keras.backend as K
def f1_loss(y_true, y_pred):
tp = K.sum(K.cast(y_true*y_pred, 'float'), axis=0)
tn = K.sum(K.cast((1-y_true)*(1-y_pred), 'float'), axis=0)
fp = K.sum(K.cast((1-y_true)*y_pred, 'float'), axis=0)
fn = K.sum(K.cast(y_true*(1-y_pred), 'float'), axis=0)
p = tp / (tp + fp + K.epsilon())
r = tp / (tp + fn + K.epsilon())
f1 = 2*p*r / (p+r+K.epsilon())
f1 = tf.where(tf.is_nan(f1), tf.zeros_like(f1), f1)
return 1 - K.mean(f1)
关于python - 具有 F1 分数的 Keras 多标签图像分类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56315959/