Python 3.x tensorflow中基尼指数的计算

我试图把基尼指数的计算写成一个张量流成本函数。基尼指数为：

一个重要的解决方案是

def ginic(actual, pred):
    n = len(actual)
    a_s = actual[np.argsort(pred)]
    a_c = a_s.cumsum()
    giniSum = a_c.sum() / a_s.sum() - (n + 1) / 2.0
    return giniSum / n

---

有人能帮我弄清楚如何在tf中实现这一点吗（例如，在tf中，没有argsort可以作为区分函数的一部分，AFAIK）

您可以使用执行argsorting。此函数返回一个元组，第二个元素是索引。其顺序必须颠倒，因为顺序是降序的

def ginicTF(actual:tf.Tensor,pred:tf.Tensor):
    n = int(actual.get_shape()[-1])
    inds =  tf.reverse(tf.nn.top_k(pred,n)[1],axis=[0]) # this is the equivalent of np.argsort
    a_s = tf.gather(actual,inds) # this is the equivalent of numpy indexing
    a_c = tf.cumsum(a_s)
    giniSum = tf.reduce_sum(a_c)/tf.reduce_sum(a_s) - (n+1)/2.0
    return giniSum / n

以下代码可用于验证此函数是否返回与numpy函数相同的数值

ginic

：

sess = tf.InteractiveSession()
ac = tf.placeholder(shape=(50,),dtype=tf.float32)
pr = tf.placeholder(shape=(50,),dtype=tf.float32)
actual  = np.random.normal(size=(50,))
pred  = np.random.normal(size=(50,))
print('numpy version: {:.4f}'.format(ginic(actual,pred)))
print('tensorflow version: {:.4f}'.format(ginicTF(ac,pr).eval(feed_dict={ac:actual,pr:pred})))

---

好的，这看起来不错，但是当作为损失函数传递给NN时，它会为第行返回一个错误：-->14 n=int（实际的.get_-shape（）[-1]）错误：TypeError:_-int_u返回非int（type-NoneType）如果我只是运行一个会话，它确实会像预期的那样工作。我认为发生这种情况是因为

actual

的占位符\张量的形状是

（无，）

，这意味着它没有预定义的长度，因此在构建图形时无法计算

n

。在这种情况下，您可以做的是将

n

（数组的长度）作为附加参数传递给函数，而不是计算它。好的，我无法解决这个问题（尝试给出默认值n，但这并不能解决它）。我再次针对这个特殊问题提出了一个新问题，感谢您在TF中写下函数！有一个可微排序运算符的实现，TF中也有一个最近的研究结果