Keras 和 Scikit-learn 的加权精度度量之间的差异

Question

介绍

大家嘿嘿

我正在写我的毕业论文，我面临一个类别贡献不平衡的二元分类问题。 我的负面（“0”）标签大约是正面（“1”）标签的 10 倍。 出于这个原因，我不仅考虑了观察精度和 ROC-AUC，还考虑了加权/平衡精度和 Precision-Recall-AUC。

我已经在 GitHub ( https://github.com/keras-team/keras/issues/12991 ) 上问过这个问题，但问题还没有得到解答，所以我认为这里的这个平台可能是更好的地方！

问题描述

在自定义回调中对验证集进行一些计算时，我或多或少偶然地注意到，加权精度总是与我使用sklearn.metrics.accuracy_score() 的结果不同。

使用 Keras，加权精度必须在model.compile() 中声明，并且是每个 epoch 之后 logs{} 字典中的一个键（并且还通过 CSVLogger 回调写入日志文件或历史对象）或返回作为model.evaluate()列表中的值，

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'], 
              weighted_metrics=['accuracy'])

我使用 Sklearn.metrics 函数class_weight.compute_sample_weight()并在class_weight.compute_class_weight()的帮助下，根据训练集的类别贡献计算 val_sample_weights 向量。

cls_weights = class_weight.compute_class_weight('balanced', np.unique(y_train._values), 
                                                y_train._values)
cls_weight_dict = {0: cls_weights[0], 1: cls_weights[1]}
val_sample_weights = class_weight.compute_sample_weight(cls_weight_dict, y_test._values)

在model.fit() 中，我将这个向量与验证数据一起传递给sklearn.metrics.accuracy_score()我将它传递给参数名称sample_weight以在相同的基础上比较结果。

model_output = model.fit(x_train, y_train, epochs=500, batch_size=32, verbose=1,
                         validation_data=(x_test, y_test, val_sample_weights))

此外，我从几个简单的例子中推导出了 Scitkit-learn 如何计算加权准确度的方程，它似乎是通过以下方程计算的（这对我来说似乎很合理）：

乳胶方程

TP、TN、FP 和 FN 是混淆矩阵中报告的值，w_p 和 w_n 分别是正类和负类的类权重。

可以在此处找到一个简单的测试示例：

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.balanced_accuracy_score.html

只是为了完整性， sklearn.metrics.accuracy_score(..., sample_weight=)返回与sklearn.metrics.balanced_accuracy_score()相同的结果。

系统信息

• GeForce RTX 2080 Ti
• 凯拉斯 2.2.4
• Tensorflow-GPU 1.13.1
• sklearn 0.19.2
• 蟒蛇 3.6.8
• CUDA 版本 10.0.130

代码示例

我搜索了一个简单的例子来使问题易于重现，即使这里的类不平衡较弱（1:2 不是 1:10）。 它基于 Keras 的介绍性教程，可在此处找到：

https://towardsdatascience.com/k-as-in-keras-simple-classification-model-a9d2d23d5b5a

皮马印第安纳州发病糖尿病数据集将按照上面的链接从主页 Machine Learning Mastery 的创建者 Jason Brownlee 的存储库中下载。 但我想它也可以从其他各种网站下载。

所以最后这里的代码：

from keras.layers import Dense, Dropout
from keras.models import Sequential
from keras.regularizers import l2
import pandas as pd
import numpy as np
from sklearn.utils import class_weight
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split

file = 'https://raw.githubusercontent.com/jbrownlee/Datasets/master/' \
       'pima-indians-diabetes.data.csv'

# Load csv data from file to data using pandas
data = pd.read_csv(file, names=['pregnancies', 'glucose', 'diastolic', 'triceps', 'insulin',
                                'bmi', 'dpf', 'age', 'diabetes'])

# Process data
data.head()
x = data.drop(columns=['diabetes'])
y = data['diabetes']

# Split into train and test
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.1, random_state=0)

# define a sequential model
model = Sequential()
# 1st hidden layer
model.add(Dense(100, activation='relu', input_dim=8, kernel_regularizer=l2(0.01)))
model.add(Dropout(0.3))
# 2nd hidden layer
model.add(Dense(100, activation='relu', kernel_regularizer=l2(0.01)))
model.add(Dropout(0.3))
# Output layer
model.add(Dense(1, activation='sigmoid'))
# Compilation with weighted metrics
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'], 
                         weighted_metrics=['accuracy'])

# Calculate validation _sample_weights_ based on the class distribution of train labels and 
# apply it to test labels using Sklearn
cls_weights = class_weight.compute_class_weight('balanced', np.unique(y_train._values), 
                                                y_train._values)
cls_weight_dict = {0: cls_weights[0], 1: cls_weights[1]}
val_sample_weights = class_weight.compute_sample_weight(cls_weight_dict, y_test._values)

# Train model
model_output = model.fit(x_train, y_train, epochs=500, batch_size=32, verbose=1,
                         validation_data=(x_test, y_test, val_sample_weights))

# Predict model
y_pred = model.predict(x_test, batch_size=32, verbose=1)

# Classify predictions based on threshold at 0.5
y_pred_binary = (y_pred > 0.5) * 1

# Sklearn metrics
sklearn_accuracy = accuracy_score(y_test, y_pred_binary)
sklearn_weighted_accuracy = accuracy_score(y_test, y_pred_binary, 
                                           sample_weight=val_sample_weights)

# metric_list has 3 entries: [0] val_loss weighted by val_sample_weights, [1] val_accuracy 
# [2] val_weighted_accuracy
metric_list = model.evaluate(x_test, y_test, batch_size=32, verbose=1, 
                             sample_weight=val_sample_weights)

print('sklearn_accuracy=%.3f' %sklearn_accuracy)
print('sklearn_weighted_accuracy=%.3f' %sklearn_weighted_accuracy)
print('keras_evaluate_accuracy=%.3f' %metric_list[1])
print('keras_evaluate_weighted_accuracy=%.3f' %metric_list[2])

结果和总结

例如我得到：

sklearn_accuracy=0.792

sklearn_weighted_accuracy=0.718

keras_evaluate_accuracy=0.792

keras_evaluate_weighted_accuracy=0.712

“未加权”的准确度值是相同的，对于 Sklearn 和 Keras 都是一样的。 差异并不是很大，但随着数据集变得更加不平衡，差异会变得更大。 例如，对于我的任务，它总是彼此相差 5% 左右！

也许我遗漏了一些东西，它应该是这样的，但无论如何，Keras 和 Sklearn 提供不同的值令人困惑，尤其是将整个 class_weights 和 sample_weights 视为一个难以进入的话题。 不幸的是，我对 Keras 不太深入，无法自己搜索 Keras 代码。

我真的很感激收到任何答案！

Answer 1

我重复了您的确切玩具示例，实际上发现sklearn和keras确实给出了相同的结果。 我重复了 5 次实验，以确保它不是偶然的，而且每次的结果都是相同的。 例如，对于其中一次运行：

sklearn_accuracy=0.831
sklearn_weighted_accuracy=0.800
keras_evaluate_accuracy=0.831
keras_evaluate_weighted_accuracy=0.800

仅供参考，我正在使用sklearn和keras版本：

0.20.3
2.3.1

分别。 请参阅此 google colab 示例： https ://colab.research.google.com/drive/1b5pqbp9TXfKiY0ucEIngvz6_Tc4mo_QX