Calcul de l'indice de Gini dans tensorflow

Question

J'essaie d'écrire le calcul de l'indice de Gini comme une fonction de coût de flux tensoriel. Indice de Gini est: https://en.wikipedia.org/wiki/Gini_coefficient

une solution numpy serait

def ginic(actual, pred): 
    n = len(actual) 
    a_s = actual[np.argsort(pred)] 
    a_c = a_s.cumsum() 
    giniSum = a_c.sum()/a_s.sum() - (n + 1)/2.0 
    return giniSum/n 

Quelqu'un peut-il me aider à comprendre comment faire cela dans tf (par exemple, dans tf il n'y a pas argsort qui peut faire partie d'un fonction qui est différenciée, AFAIK)

Answer 1

Vous pouvez effectuer l'argsorting en utilisant tf.nn.top_k(). Cette fonction renvoie un tuple, le second élément étant les indices. Sa commande doit être inversée puisque la commande est décroissante.

def ginicTF(actual:tf.Tensor,pred:tf.Tensor): 
    n = int(actual.get_shape()[-1]) 
    inds = tf.reverse(tf.nn.top_k(pred,n)[1],axis=[0]) # this is the equivalent of np.argsort 
    a_s = tf.gather(actual,inds) # this is the equivalent of numpy indexing 
    a_c = tf.cumsum(a_s) 
    giniSum = tf.reduce_sum(a_c)/tf.reduce_sum(a_s) - (n+1)/2.0 
    return giniSum/n 

Voici un code que vous pouvez utiliser pour vérifier que cette fonction retourne la même valeur numérique que votre fonction numpy ginic:

sess = tf.InteractiveSession() 
ac = tf.placeholder(shape=(50,),dtype=tf.float32) 
pr = tf.placeholder(shape=(50,),dtype=tf.float32) 
actual = np.random.normal(size=(50,)) 
pred = np.random.normal(size=(50,)) 
print('numpy version: {:.4f}'.format(ginic(actual,pred))) 
print('tensorflow version: {:.4f}'.format(ginicTF(ac,pr).eval(feed_dict={ac:actual,pr:pred})))