Python 作为度量函数的平衡错误率

我试图用Keras的序列模型解决一个二元分类问题
必须满足特定的需求

所以我认为使用误码率而不是准确度作为衡量标准是个好主意

我的BER自定义度量实现如下所示：

def平衡错误率（y_true，y_pred）：
labels=theano.shared（np.asmatrix（[[0,1]]，dtype='int8'））
标签矩阵=K.重复元素（标签，K.形状（y\u真）[0]，轴=1）
真矩阵=K.重复元素（y\u真，K.形状（标签）[0]，轴=1）
pred_矩阵=K.重复元素（K.圆形（y_pred），K.形状（标签）[0]，轴=1）
类镜头=K.和（K.相等（标签矩阵，真矩阵），轴=1）
返回K.sum（K.sum（class_lens-K.sum）（K.equal（label_矩阵，K.not_equal（true_矩阵，pred_矩阵）），轴=1，轴=0）/class_lens，轴=0）/2

其思想是从可用标签创建一个矩阵，并将其与输入数据进行比较（然后求和），以获得该标签的元素数

我的问题是：

> K.shape(y_true) 
Shape.0    


> Typeinfo:

> type(y_true)
<class 'theano.tensor.var.TensorVariable'>

> type(K.shape(y_true))
<class 'theano.tensor.var.TensorVariable'>

>K.shape（y_真）
形状.0
>类型信息：
>类型（y_真）
>类型（K形（y_真））

…我不知道为什么

---

我现在正在寻找：

获取数组维度的方法/解释为什么

shape

会这样做/为什么

y\u true

似乎具有

0

维度

或

一种通过重复给定的行/列向量来创建具有给定with/height的张量矩阵的方法

或

使用张量函数计算误码率的智能解决方案

获取数组维度的一种方法/解释为什么shape会这样做/为什么

y\u true

似乎有0个维度

处理

print

和像Theano这样的抽象库的方法是，通常不会得到值，而是得到值的表示。所以如果你这样做了

print(foo.shape)

您不会得到实际的形状，而是在运行时完成的操作的表示形式。由于所有这些都是在外部设备上计算的，因此计算不会立即运行，而是在使用适当的输入创建函数（或调用

foo.shape.eval（）

）后才运行

打印值的另一种方法是使用编号打印。使用值时打印，例如：

shape = theano.printing.Print('shape of foo')(foo.shape)
# use shape (not foo.shape!)

一种通过重复给定的行/列向量来创建具有给定with/height的张量矩阵的方法

看看吧。numpy中的示例（用法非常类似）：

---

它是否返回

int

类型的

0

？你能打印类型信息（例如，

type（x）

）的结果）吗？我更新了问题。谢谢你为我指明了正确的方向。因为函数返回的值大于1，所以在某些地方仍然存在逻辑错误，但我认为我可以自己解决这个问题——或者如果我不能解决这个问题，就创建一个新问题。（我猜我把等号和按位_混在一起了）你总是可以在这里创建一个新的问题。好吧，我让它工作了……但是。。。我意识到我计算的每个批次的类元素数量。。。而且完全没有用：-/

>>> x
array([[1, 2, 3]])
>>> x.repeat(3, axis=0)
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])