torch中多标签分类最佳混淆矩阵的选择

Question

我有一个convnet，它产生多个标签输出。每幅图像都可以用0到10个标签标记。输出是大小为10的张量，包含1s (在该索引处表示标签)和-1s (该索引处没有标签)。目标的格式是相同的。所以：

{1, 1, 1, -1, 1, 1, 1, 1, 1, 1}

指示标签1-3和5-10。多标签输出不能与火炬optim封装的混淆矩阵一起使用。评估预测精度的好办法是什么？

理想情况下，我想知道如何准确地预测每个标签的，从假阳性，真阳性，等等。一个想法是建立10个不同的混淆矩阵，并为一个指数的每个数据。有更好的解决办法吗？

任何投入都很感谢。

更新:上面的方法很好用，但是当有很多标签时，它会很麻烦。我只是想知道是否有更好的方法。

Answer 1

我为每个标签创建了不同的混淆矩阵，拆分输出预测，并将它们添加到适当的矩阵中。通过共同绘制训练/验证集的分类精度，很容易理解。