keras sklearn下两分类/多分类的技术杂谈（交叉验证和评价指标）

一.前言

这篇博客是为了记录论文补充实验中所遇到的问题，以及解决方法，主要以程序的形式呈现。

二.对象

深度学习框架：keras
研究对象：两分类/多分类

三.技术杂谈

1.K-FOLD交叉验证

1.概念
对一个模型进行K次训练，每次训练将整个数据集分为随机的K份，K-1作为训练集，剩余的1份作为验证集，每次训练结束将验证集上的性能指标保存下来，最后对K个结果进行平均得到最终的模型性能指标。
2.优缺点
优点：模型评估更加鲁棒
缺点：训练时间加大
3.代码
① sklearn与keras独立使用

from sklearn.model_selection import StratifiedKFold
import numpy

seed = 7  # 随机种子
numpy.random.seed(seed)  # 生成固定的随机数
num_k = 5  # 多少折

# 整个数据集(自己定义)
X = 
Y = 

kfold = StratifiedKFold(n_splits=num_k, shuffle=True, random_state=seed)  # 分层K折，保证类别比例一致

cvscores = []
for train, test in kfold.split(X, Y):

	# 可以用sequential或者function的方式建模（自己定义）
	model =     
    model.compile()  # 自定义
    
	# 模型训练
    model.fit(X[train], Y[train], epochs=150, batch_size=10, verbose=0)
    
    # 模型测试
    scores = model.evaluate(X[test], Y[test], verbose=0)
    
    print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))  # 打印出验证集准确率
    
    cvscores.append(scores[1] * 100)
    
print("%.2f%% (+/- %.2f%%)" % (numpy.mean(cvscores), numpy.std(cvscores)))  # 输出k-fold的模型平均和标准差结果

② sklearn与keras结合使用

from keras.wrappers.scikit_learn import KerasClassifier  # 使用keras下的sklearn API
from sklearn.cross_validation import StratifiedKFold, cross_val_score
import numpy as np

seed = 7  # 随机种子
numpy.random.seed(seed)  # 生成固定的随机数
num_k = 5  # 多少折

# 整个数据集(自己定义)
X = 
Y = 

# 创建模型
def model():
   # 可以用sequential或者function的方式建模（自己定义）
	model =  
	return model  

model = KerasClassifier(build_fn=model, epochs=150, batch_size=10)

kfold = StratifiedKFold(Y, n_folds=num_k, shuffle=True, random_state=seed)

results = cross_val_score(model, X, Y, cv=kfold)

print(np.average(results))  # 输出k-fold的模型平均结果

补充：引入keras的callbacks
只需要在①②中的model.fit中加入一个arg：callbacks=[keras.callbacks.ModelCheckpoint()] # 这样可以保存下模型的权重，当然了你也可以使用callbacks.TensorBoard保存下训练过程

2.二分类/多分类评价指标

1.概念
二分类就是说，一个目标的标签只有两种之一（例如：0或1，对应的one-hot标签为[1,0]或[0,1]）。对于这种问题，一般可以采用softmax或者logistic回归来完成，分别采用cross-entropy和mse损失函数来进行网络训练，分别输出概率分布和单个的sigmoid预测值(0,1)。
多分类就是说，一个目标的标签是几种之一（如：0，1，2…）
2.评价指标
主要包含了：准确率（accuracy），错误率（error rate），精确率（precision），召回率（recall）= 真阳率（TPR）= 灵敏度（sensitivity），F1-measure（包含了micro和macro两种），假阳率（FPR），特异度（specificity），ROC（receiver operation characteristic curve）（包含了micro和macro两种），AUC（area under curve），P-R曲线（precision-recall）,混淆矩阵
① 准确率和错误率
accuracy = （TP+TN）/ (P+N)或者accuracy = （TP+TN）/ (T+F)
error rate = (FP+FN) / (P+N)或者(FP+FN) / (T+F)
accuracy = 1 - error rate
可见：准确率、错误率是对分类器在整体数据上的评价指标。
② 精确率
precision=TP /（TP+FP）
可见：精确率是对分类器在预测为阳性的数据上的评价指标。
③ 召回率/真阳率/灵敏度
recall = TPR = sensitivity = TP/(TP+FN)
可见：召回率/真阳率/灵敏度是对分类器在整个阳性数据上的评价指标。
④ F1-measure
F1-measure = 2 * (recall * precision / (recall + precision))
包含两种：micro和macro（对于多类别分类问题，注意区别于多标签分类问题）
1)micro
计算出所有类别总的precision和recall，然后计算F1-measure
2)macro
计算出每一个类的precison和recall后计算F1-measure，最后将F1-measure平均
可见：F1-measure是对两个矛盾指标precision和recall的一种调和。
⑤ 假阳率
FPR=FP / (FP+TN)
可见：假阳率是对分类器在整个阴性数据上的评价指标，针对的是假阳。
⑥ 特异度
specificity = 1- FPR
可见：特异度是对分类器在整个阴性数据上的评价指标，针对的是真阴。
⑦ ROC曲线和AUC
作用：灵敏度与特异度的综合指标
横坐标：FPR/1-specificity
纵坐标：TPR/sensitivity/recall
AUC是ROC右下角的面积，越大，表示分类器的性能越好
包含两种：micro和macro（对于多类别分类问题，注意区别于多标签分类问题）
假设一共有M个样本，N个类别。预测出来的概率矩阵P（M,N），标签矩阵L (M,N)
1)micro
根据P和L中的每一列（对整个数据集而言），计算出各阈值下的TPR和FPR，总共可以得到N组数据，分别画出N个ROC曲线，最后取平均
2)macro
将P和L按行展开，然后转置为两列，最后画出一个ROC曲线
⑧ P-R曲线
横轴：recall
纵轴：precision
评判：1）直观看，P-R包围的面积越大越好，P=R的点越大越好；2）通过F1-measure来看
比较ROC和P-R: 当样本中的正、负比例不平衡的时候，ROC曲线基本保持不变，而P-R曲线变化很大，原因如下：
当负样本的比例增大时，在召回率一定的情况下，那么表现较差的模型必然会召回更多的负样本，TP降低，FP迅速增加（对于性能差的分类器而言），precision就会降低，所以P-R曲线包围的面积会变小。
⑨ 混淆矩阵
行表示的是样本中的一种真类别被预测的结果，列表示的是一种被预测的标签所对应的真类别。
3.代码
注意：以下的代码是合在一起写的，有注释。

from sklearn import datasets
import numpy as np
from sklearn.preprocessing import label_binarize
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import confusion_matrix, precision_score, accuracy_score,recall_score, f1_score,roc_auc_score, precision_recall_fscore_support, roc_curve, classification_report
import matplotlib.pyplot as plt

iris = datasets.load_iris()
x, y = iris.data, iris.target
print("label:", y)
n_class = len(set(iris.target))
y_one_hot = label_binarize(y, np.arange(n_class))

# alpha = np.logspace(-2, 2, 20)  #设置超参数范围
# model = LogisticRegressionCV(Cs = alpha, cv = 3, penalty = 'l2')  #使用L2正则化
model = LogisticRegression()  # 内置了最大迭代次数了，可修改
model.fit(x, y)
y_score = model.predict(x)  # 输出的是整数标签
mean_accuracy = model.score(x, y)
print("mean_accuracy: ", mean_accuracy)
print("predict label:", y_score)
print(y_score==y)
print(y_score.shape)
y_score_pro = model.predict_proba(x)  # 输出概率
print(y_score_pro)
print(y_score_pro.shape)
y_score_one_hot = label_binarize(y_score, np.arange(n_class))  # 这个函数的输入必须是整数的标签哦
print(y_score_one_hot.shape)

obj1 = confusion_matrix(y, y_score)  # 注意输入必须是整数型的，shape=(n_samples, )
print('confusion_matrix\n', obj1)

print(y)
print('accuracy:{}'.format(accuracy_score(y, y_score)))  # 不存在average
print('precision:{}'.format(precision_score(y, y_score,average='micro')))
print('recall:{}'.format(recall_score(y, y_score,average='micro')))
print('f1-score:{}'.format(f1_score(y, y_score,average='micro')))
print('f1-score-for-each-class:{}'.format(precision_recall_fscore_support(y, y_score)))  # for macro
# print('AUC y_pred = one-hot:{}\n'.format(roc_auc_score(y_one_hot, y_score_one_hot,average='micro')))  # 对于multi-class输入必须是proba，所以这种是错误的


# AUC值
auc = roc_auc_score(y_one_hot, y_score_pro,average='micro')  # 使用micro，会计算n_classes个roc曲线，再取平均
print("AUC y_pred = proba:", auc)
# 画ROC曲线
print("one-hot label ravelled shape:", y_one_hot.ravel().shape)
fpr, tpr, thresholds = roc_curve(y_one_hot.ravel(),y_score_pro.ravel())   # ravel()表示平铺开来,因为输入的shape必须是(n_samples,)
print("threshold： ", thresholds)
plt.plot(fpr, tpr, linewidth = 2,label='AUC=%.3f' % auc)
plt.plot([0,1],[0,1], 'k--')  # 画一条y=x的直线，线条的颜色和类型
plt.axis([0,1.0,0,1.0])  # 限制坐标范围
plt.xlabel('False Postivie Rate')
plt.ylabel('True Positive Rate')
plt.legend()
plt.show()

# p-r曲线针对的是二分类，这里就不描述了


ans = classification_report(y, y_score,digits=5)  # 小数点后保留5位有效数字
print(ans)

本人现在的研究方向是：
图像的语义分割，如果有志同道合的朋友，可以组队学习
haiyangpengai@gmail.com qq:1355365561