tf.keras.metrics.sparse_top_k_categorical_accuracy 作者：马育民 • 2020-06-02 12:48 • 阅读：10246 # 介绍 多分类评价函数 和top_k_categorical_accuracy功能一样，只是其y_true为非onehot的形式。 如下图中的top-1 acc、top-5 acc [](https://www.malaoshi.top/upload/0/0/1EF5dNZiBp6O.png) ### 例子 比如有4个样本， y_true为`[2， 1， 1， 0]` y_pred为`[[0.3, 0.6, 0.1], [0.5, 0.4, 0.1], [0.3, 0.6, 0.1], [0.9, 0, 0.1]]` 计算sparse_top_k_categorical_accuracy的步骤如下： 1. 计算y_pred的top_k的label，比如k=2时，y_pred_new = [[0, 1], [0, 1], [0, 1], [0, 2]]； 2. 根据每个样本的真实标签是否在预测标签的top_k内来统计准确率 上述4个样本为例，2不在[0, 1]内，1在[0, 1]内，1在[0, 1]内，0在[0, 2]内，4个样本总共预测对了3个，因此k=2时top_k_categorical_accuracy=75%。 ### 常用别名 - tf.metrics.sparse_top_k_categorical_accuracy # 语法 ``` tf.keras.metrics.sparse_top_k_categorical_accuracy( y_true, y_pred, k=5 ) ``` 感谢： https://zhuanlan.zhihu.com/p/95293440 原文出处：http://www.malaoshi.top/show_1EF5dNhwVw7c.html