質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

91.05%

  • Python

    5138questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Keras

    98questions

多クラスROC曲線を書きたい

受付中

回答 0

投稿

  • 評価
  • クリップ 1
  • VIEW 230

sayaka1202

score 7

前提・実現したいこと

kerasで画像を学習させたモデルを読み込み,テストデータを用いてこちらのようなROC曲線を書きたいと思っています.
しかし,下記のコードを実行すると次のエラーが出てしまいます.
roc_curveに入れるものが間違っていると思うのですが,どなたかご教授下さい.

ValueError: Data is not binary and pos_label is not specified

該当のソースコード

from keras.models import load_model
import keras
import matplotlib.pyplot as plt
from keras.preprocessing.image import array_to_img, img_to_array, list_pictures, load_img
import numpy as np
from sklearn.metrics import precision_recall_curve, roc_curve
from sklearn.metrics import auc
from collections import defaultdict

def read_img(X, Y, test_dir):
    # Loading Image
    for picture in list_pictures(test_dir + 'A/'):
        img = img_to_array(load_img(picture, target_size=(299, 299)))
        X.append(img)
        Y.append(0)

    for picture in list_pictures(test_dir + 'B/'):
        img = img_to_array(load_img(picture, target_size=(299, 299)))
        X.append(img)
        Y.append(1)

    for picture in list_pictures(test_dir + 'C/'):
        img = img_to_array(load_img(picture, target_size=(299, 299)))
        X.append(img)
        Y.append(2)

    for picture in list_pictures(test_dir + 'D/'):
        img = img_to_array(load_img(picture, target_size=(299, 299)))
        X.append(img)
        Y.append(3)

    X = np.asarray(X)
    Y = np.asarray(Y)
    print(X.shape)
    print(Y.shape)
    return X, Y

# 参照先のまま
def save_plot_roc(y_labels, roc_scores, tprs, fprs):
    plt.clf()
    plt.figure(figsize=(35, 35))
    column = 4
    row = int(len(y_labels) / column) + 1
    for i, y_label in enumerate(y_labels):
        plt.subplot(row, column, i + 1)
        auc_score = np.mean(roc_scores[y_label])
        label = '%s vs rest' % y_label

        plt.grid(True)
        plt.plot([0, 1], [0, 1], 'k--')
        for j, tpr in enumerate(tprs[y_label]):
            plt.plot(fprs[y_label][j], tpr)
            plt.fill_between(fprs[y_label][j], tpr, alpha=0.5)
        plt.xlim([0.0, 1.0])
        plt.ylim([0.0, 1.0])
        plt.xlabel('False Positive Rate')
        plt.ylabel('True Positive Rate')
        plt.title('ROC curve (AUC = %0.2f) / %s' %
                    (auc_score, label), verticalalignment="bottom")
        plt.legend(loc="lower right")
    plt.show()
    # plt.savefig(file_name, bbox_inches="tight")

img_size = 299
test_dir = 'D:/roc/'

classes = ['A', 'B', 'C', 'D']

model = load_model(filepath='D:/models/model.hdf5')

X = []
Y = []

X, Y = read_img(X, Y, test_dir)

print('predict start')
preds = model.predict(X)
print('predict end\n')

roc_scores = defaultdict(list)
tprs = defaultdict(list)
fprs = defaultdict(list)

for i, label in enumerate(classes):
    print('number:', i)
    y_label_test = np.asarray(Y == label, dtype=int)
    # y_label_test = Y
    print('y_label', y_label_test)
    pred_label = preds[:, i]
    print('pred label', pred_label)

    fpr, tpr, roc_thresholds = roc_curve(y_label_test, pred_label)
    roc_scores[label].append(auc(fpr, tpr))
    tprs[label].append(tpr)
    fprs[label].append(fpr)

save_plot_roc(classes, roc_scores, tprs, fprs)
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正の依頼

  • yag1kaz

    2018/01/24 17:36

    モデルやデータは公開可能でしょうか?可能ならそれらをどこかにアップロードしていただけるようなら確認できる様になるとおもいます。

    キャンセル

まだ回答がついていません

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 91.05%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

  • 解決済

    KerasのModelクラスのoutputフォーマットを教えてください。

    Kerasを使って、バックグラウンドでtensoflowを利用しています。 計算結果は良好なのですが、出力を得ることができません。 Sequential APIのModelクラスを

  • 解決済

    pythonを用いて、クラスタリングを行おうとすると、valueerror length of va...

    pythonを用いて、クラスタリングを行おうとすると、valueerror length of values does not match length of  index となり

  • 解決済

    Kerasで訓練データにIDがある場合のベストプラクティスについて

    前提・実現したいこと 一般的なcsvデータをKerasに食わせて他クラス分類を行おうと思っているのですが、 訓練データに含まれるID系のデータの扱いについて困っております。 ID系

  • 受付中

    深層学習を用いたプログラムの正解率

    前提・実現したいこと 個人的な趣味で、参考書のサンプルコードをもとに、深層学習を用いて動物を画像認識するプログラムを作っています。下記に示すソースコードのように、3つのカテゴリーに

  • 解決済

    画像認識課題での入力画像のサイズ変更

    ディープラーニングで、自分のモデルが200×200のサイズを入力として想定していて、それに対して190×200とか色々なサイズの画像を入力する場合は、直前にリサイズ(例えば、Ker

  • 解決済

    tensorflow+kerasでの分類

    前提・実現したいこと data/testのフォルダの中に三つのフォルダがあり、それぞれアウター、パンツ、シャツの画像を入れています。 この三つの種類の画像自体を一つのフォルダにまと

  • 解決済

    データセットの作り方がわからない

     前提・実現したいこと 「ゼロから作るディープラーニング」を読み終えた学生です。 せっかくディープラーニングをかじり始めたため、自分に役に立つことをディープラーニングを利用してやっ

  • 解決済

    CNNの比較、改善点

     知りたいこと cyfer10に使用したCNNでなぜこのような差が出たのか、してはいけないことが含まれていたのか。 aidemyに使われていたCNNと層よりも、より層を増やして適当

同じタグがついた質問を見る

  • Python

    5138questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Keras

    98questions