pytorch：多标签分类的损失函数和准确率计算

1 损失函数

我们先用sklearn生成一个多标签分类数据集。

from sklearn.datasets import make_multilabel_classification

X, y = make_multilabel_classification(n_samples=1000,
                                          n_features=10,
                                          n_classes=3,
                                          n_labels=2,
                                          random_state=1)
print(X.shape, y.shape)

看一下标签长啥样。

每一行都是0、1标签，1可能有多个，这就是多标签了。
由于仍然是二分类（标签只有0和1），所以激活函数用Sigmoid（对输出的每一个维度用Sigmoid）。这个时候损失函数就是BCELoss。
如果是普通的二分类，Sigmoid的输出是一个值。用$N$表示样本数量，$p_n$表示预测第$n$个样本为正例的概率，$y_n$表示第 $n$个样本的标签，则BCELoss计算公式为：
$$loss=-\frac{1}{N}\sum _{n=1}$$