Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

Performance metrics - report average class accuracy, rather than just accuracy.

Đang mở
  • Có gì không ổn?
#239 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Chưa có ai nhận issue này.

Đánh giá

Độ khó
4/5
Thời gian dự kiến
3-5 ngày
Mức phù hợp với người mới
38/100
Loại issue
Tính năng
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Đình trệ
Công nghệ
keras, python
Lĩnh vực
machine-learning

Hướng nghiên cứu

Bắt đầu bằng cách xác định cấu hình metric huấn luyện và validation của Keras trong DeepProfiler, đồng thời xem lại cách metric accuracy hiện tại được chọn. Sử dụng kịch bản mất cân bằng lớp trong issue để xác định hành vi của accuracy trung bình theo lớp, sau đó xác minh rằng metric này được dùng làm metric hiệu năng mặc định cho cả huấn luyện và validation.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

enhancement

As discussed in issue #237 and PR #238 , the training and validation results can be biased by the class imbalance typical in high-throughput experiments. Negative controls tend to have a lot more example images, both for training and validation, while other classes have only a few. The accuracy metric, which is the default in DeepProfiler training and validation, is sensitive to class imbalance. Therefore, the observed performance may not inform correctly how many phenotypes can be recognized, only how many images regardless of the class.

We should use average class accuracy to obtain a metric that gives an estimate of how many classes can be accurately recognized from the images, instead of how many images are correctly classified independently of their class.

As far as I know, Keras does not implement a metric like this. But we could easily implement a metric plugin and make it the default performance metric in DeepProfiler.

Ngôn ngữ chính
Python
Star
129
Fork
52
Merge trung bình
5 giờ 20 phút
Pull request đã merge (30 ngày)
2

Chuẩn bị môi trường

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của cytomining/DeepProfiler

Tất cả issue của cytomining/DeepProfiler

Issue tương tự

Thêm issue về Python

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.