我在使用Keras解决一个多分类问题。由于我的数据非常不平衡，我尝试创建类似于混淆矩阵的东西。我的数据集非常大，并且以HDF5格式保存，因此我使用HDF5Matrix来获取X和Y，这使得scikit-learn的混淆矩阵不再适用（据我所知）。我看到可以保存预测和真实标签，或者输出每个标签的错误率，然而，一个更优雅的解决方案是创建一个累积（预测，真实）标签对的多维指标（类似于混淆矩阵）。我使用了以下回调函数，尝试窥探每个批次/纪元的情况：

from keras.callbacks import LambdaCallbackbatch_print_callback = LambdaCallback(on_batch_end=lambda batch, logs: print(logs),on_epoch_end=lambda epoch, logs: print(logs))

但它只能累积单一值（通常是某种平均值）。

我还尝试查看是否可以返回y_pred/y_true，如下所示（尝试看看是否可以在日志中打印多维值）：

def pred(y_true, y_pred):     return y_preddef true(y_true, y_pred):    return y_true

然而，它并没有如我所期望的那样返回多维值。所以，基本上，我的疑问是，我能否使用Keras来累积多维指标？

回答：

据我所知，这是不可行的，因为在返回张量值之前，会应用K.mean。我在keras的GitHub上发布了一个关于此的问题。我想到的最佳设计是为混淆矩阵中的每个单元格设置一个指标，并创建一个收集这些指标的回调函数，这个想法受到问题中提到的线程的启发。一个有点工作的解决方案可以在这里找到