Lua torch中多标签分类的optim混淆矩阵替代方案
我有一个convnet,它可以生成多标签输出。Ie:每个图像可以用0到10个标签进行标记。输出是大小为10的张量,包含1s(表示该索引处的标签)和-1s(该索引处没有标签)。目标的格式相同。因此:Lua torch中多标签分类的optim混淆矩阵替代方案,lua,statistics,torch,confusion-matrix,Lua,Statistics,Torch,Confusion Matrix,我有一个convnet,它可以生成多标签输出。Ie:每个图像可以用0到10个标签进行标记。输出是大小为10的张量,包含1s(表示该索引处的标签)和-1s(该索引处没有标签)。目标的格式相同。因此: {1, 1, 1, -1, 1, 1, 1, 1, 1, 1} 指示标签1-3和5-10。多标签输出不能与torch optim软件包的混淆矩阵一起使用。评估预测准确度的好方法有哪些 理想情况下,我想知道在误报、真阳性等方面预测每个标签的准确程度。一个想法是制作10个单独的混淆矩阵,并为每个索引提供
{1, 1, 1, -1, 1, 1, 1, 1, 1, 1}
指示标签1-3和5-10。多标签输出不能与torch optim软件包的混淆矩阵一起使用。评估预测准确度的好方法有哪些
理想情况下,我想知道在误报、真阳性等方面预测每个标签的准确程度。一个想法是制作10个单独的混淆矩阵,并为每个索引提供数据。但是有更好的解决办法吗
欢迎您的任何意见
更新:上面的方法工作得很好,但是当有很多标签时,它很麻烦。我只是想知道是否有更好的办法 我为每个标签制作了单独的混淆矩阵,分割输出预测,并将它们添加到适当的矩阵中。通过共同绘制训练/验证集的分类精度,很容易解释 我为每个标签制作了单独的混淆矩阵,分割输出预测,并将它们添加到适当的矩阵中。通过共同绘制训练/验证集的分类精度,很容易解释 提议的方法是否有缺陷?提议的方法是否有缺陷?