考虑Keras Lstm模型的n高概率输出的准确性

Question

我有一个用于序列预测的Lstm模型，如下所示：

def create_model(max_sequence_len, total_words):
    input_len = max_sequence_len - 1
    model = keras.models.Sequential()
    model.add(layers.Embedding(total_words, 50, input_length=input_len))
    model.add(layers.LSTM(50, input_shape=predictors[:1].shape))
    model.add(layers.Dropout(0.2))
    model.add(layers.Dense(activation='softmax', units = total_words))
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'], lr=0.01)  
    return model

model_sb = create_model(max_sequence_len, total_words)

history = model_sb.fit(X_train, y_train, epochs = 20 , shuffle = True, validation_split=0.3, )

它运作良好，但我想从我的模型中获取2个输出，它是softmax密集层中概率最大的输出。拿他们我可以使用这段代码：

predicted = model_sb.predict(test_sequence, verbose=1) 

然后通过此代码找到第一个n高概率输出：

y_sum = predicted.sum(axis=0)
ind = np.argpartition(y_sum, -n)[-n:]
ind[np.argsort(y_sum[ind])]

但是如果输出是这些n输出之一（带有“或”条件），我需要知道我的模型的准确性是否有任何包可以帮助我？我的意思是我不想用最大概率输出来评估我的模型，我想通过2个高概率结果来评估准确性和损失。

Answer 1

这称为top-k精度，在您的情况下使用k = 2。 Keras已经实现了这种准确性：

from keras.metrics import top_k_categorical_accuracy

def my_acc(y_true, y_pred):
    return top_k_categorical_accuracy(y_true, y_pred, k=2)

然后将此自定义指标传递给您的模型：

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=[my_acc])