Tensorflow，多标签混淆矩阵

Question

我试图弄清楚如何使用神经网络为多标签分类任务生成混淆矩阵。我之前设法使用函数“交集”计算准确性，因为对此我不关心任何排序。

intersection = tf.sets.set_intersection(predictions, labels)

然而，为了计算混淆矩阵，我确实关心预测/标签的索引顺序。由于标签的值始终相同（1,1或0.5,0.5），因此不可能按照较高/较低的值进行排序。

我想知道：

1）是否可以为多标签分类任务计算混淆矩阵？

2） 这将如何实施？

3）你如何处理预测两个标签都失败的情况？因为不可能知道哪个混淆属于哪个预测。

4） 函数tf排序背后的逻辑是什么。nn。top\u k（）

下面我展示了我试图使用的代码示例。

import numpy as np
import tensorflow as tf
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix

Z = np.array([[7.0, 3.0, 5.0, 1.0, 0.0, 6.0],[2.0, 3.0, 4.0, 1.0, 3.25, 2.2], [2.0 , 5.0, 1.0, 7.0, 0.0, 8.0]])
Y = np.array([[0.5, 0, 0, 0.0, 0, 0.5],[0, 0.0, 0.5, 0, 0.5, 0], [0,0,0,0.5,0,0.5]])

_, predicted_softmax = tf.nn.top_k(tf.nn.softmax(Z), k = 2, sorted = False)
_ , labels = tf.nn.top_k(Y, k = 2, sorted = False)

with tf.Session() as sess:
    # reshape to (6,1) because there is 2 correct values per sample(2*3)
    print(predicted_softmax.eval().reshape(6,1))
    print(labels.eval().reshape(6,1))
    predicted = predicted_softmax.eval().reshape(6,1)
    labels_idx = labels.eval().reshape(6,1)

class_labels = np.arange(6)
cnf_matrix_train = confusion_matrix(labels_idx, predicted, labels = class_labels)

print(cnf_matrix_train)

我真的不明白为什么predicted\u softmax的输出是：

[[5] [0] [4] [2] [3] [5]] , 

在过去的两个任期里，我一直在期待着[5][3]。此输出没有任何逻辑。在文档中，如果认为排序=False，他们没有指定任何关于排序的内容，但我希望有一些一致的行为。

感谢任何帮助！




Answer 1

1. 是否可以为多html" target="_blank">标签分类任务计算混淆矩阵？

是和否。您只能为每个类计算TN（真阴性）、TP（真阳性）、FN（假阴性）、FP（假阳性）矩阵，并基于此导出一些其他度量。它不会向您显示一个特定的类是如何被误分类为另一个特定的类的，但只会显示它是如何被误分类的以及如何被误分类的（FN或FP）。

您可以简单地使用TensorFlow附加包中的MultiLabelConfusionMatrix。它为您提供了：每个类的2x2矩阵，包含TN、TP、FN和FP。

请注意，当前的实现似乎假设y\u pred和y\u true是二进制张量，即仅由0和1组成（转换为int）。

确切地你不能。

文件上说：

如果true则生成的k元素将按值降序排序。

例如，tf.nn.top_k（[10, 3, 1, 11]， k=3）可以返回[10,3,11]（无顺序）。

排序时，tf.nn.top_k（[10, 3, 1, 11]， k=3）返回[11,10,3]（降序）。

（为了清楚起见，请忽略一秒钟，它当然会返回张量，而不是常规列表）