Keras/TensorFlow如何自定义TP-FP（真阳性减假阳性）指标

tf.keras.metrics.TruePositives()、tf.keras.metrics.FalsePositives()是Keras内置的有状态指标类实例，本身不直接输出数值，不能直接对实例做算术运算。必须传入真实标签、预测值更新内部状态后，才能读取计算结果。
你遇到的f1_loss与tfa.metrics.F1Score数值不匹配问题，是因为现有f1_loss是逐batch计算F1后取平均，而内置F1指标是跨整个epoch累积所有样本的TP/FP/FN后统一计算，统计口径不同，数值自然不会相等。

方案1：自定义Metric子类（推荐，适配模型筛选需求） #

该写法完全遵循Keras指标的状态累积逻辑，跨batch统计全量样本的TP、FP值，计算结果准确，适合做最优模型筛选的判断依据：

import tensorflow as tf

class TPMinusFP(tf.keras.metrics.Metric):
    def __init__(self, name='tp_minus_fp', **kwargs):
        super().__init__(name=name, **kwargs)
        # 定义跨batch累积的状态变量
        self.total_tp = self.add_weight(name='total_tp', initializer='zeros')
        self.total_fp = self.add_weight(name='total_fp', initializer='zeros')

    def update_state(self, y_true, y_pred, sample_weight=None):
        # 每个batch流入时更新累积值，和内置TP/FP指标的阈值、类型逻辑对齐
        y_true = tf.cast(y_true, tf.bool)
        y_pred = tf.cast(y_pred >= 0.5, tf.bool) # 多标签分类默认判定阈值0.5

        # 计算当前batch的TP、FP
        batch_tp = tf.reduce_sum(tf.cast(tf.logical_and(y_true, y_pred), self.dtype))
        batch_fp = tf.reduce_sum(tf.cast(tf.logical_and(tf.logical_not(y_true), y_pred), self.dtype))

        # 累加到全局统计值
        self.total_tp.assign_add(batch_tp)
        self.total_fp.assign_add(batch_fp)

    def result(self):
        # 输出最终计算结果：TP - FP
        return self.total_tp - self.total_fp

    def reset_state(self):
        # 每个epoch开始前重置统计状态
        self.total_tp.assign(0.)
        self.total_fp.assign(0.)

调用时直接将类实例加入metrics列表即可：

metrics=[
    TPMinusFP(),
    tfa.metrics.F1Score(num_classes=2),
    tf.keras.metrics.TruePositives(), 
    tf.keras.metrics.FalsePositives()
]

方案2：无状态函数式写法（不推荐用于模型筛选） #

如果不需要跨batch累积统计，仅需要逐batch计算差值，可以直接在函数内手动计算TP、FP，不需要实例化内置指标类：

def tp_minus_fp(y_true, y_pred):
    y_true = tf.cast(y_true, tf.float32)
    y_pred = tf.cast(y_pred >= 0.5, tf.float32)
    tp = tf.reduce_sum(y_true * y_pred)
    fp = tf.reduce_sum((1 - y_true) * y_pred)
    return tp - fp

注意：该写法在验证阶段会返回所有batch计算结果的平均值，和全量样本统计的真实TP-FP值存在偏差，仅可做快速调试用，不能作为模型筛选的依据。

训练阶段的loss本身是逐batch计算用于反向传播的，和全量样本累积计算的评估指标不需要数值完全相等，只要优化方向一致即可，无需强行对齐数值。

内容的提问来源于stack exchange，提问作者dergham