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
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：
- 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]]；
- 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