Keras R自定义指标：计算y_pred前1%样本对应y_true的均值

问题核心原因 #

你之前使用的k_in_top_k是分类任务专用接口，作用是判断真实类别是否属于预测概率的前K个，返回布尔张量，完全不符合筛选y_pred前K个样本对应y_true的需求，这是训练无法启动的核心原因。

方案1：y_pred排名前1%对应y_true均值（优先实现） #

直接基于批次大小动态计算Top 1%的样本量，自动适配不同batch size：

library(keras)

Metric_Top_1Pct_Rets <- custom_metric("Top_1Pct_Rets", function(y_true, y_pred) {
  # 获取当前批次样本量
  batch_size <- k_cast(k_shape(y_pred)[1], dtype = "float32")
  # 计算前1%样本量，最少取1个避免小batch报错
  top_k <- k_cast(k_maximum(c(1, batch_size * 0.01)), dtype = "int32")
  # 获取y_pred排名前top_k的样本索引
  top_indices <- k_top_k(k_flatten(y_pred), k = top_k)$indices
  # 提取对应位置的真实标签
  top_y_true <- k_gather(k_flatten(y_true), top_indices)
  # 返回均值
  return(k_mean(top_y_true))
})

# 编译模型时调用
model1 %>% compile(
  loss = "mse",
  optimizer = optimizer_adam(learning_rate = 0.0001),
  metrics = list(Metric_Top_1Pct_Rets)
)

方案2：固定数量Top N样本对应y_true均值 #

适配你代码中取前1000个的需求，自动兼容batch size不足1000的场景：

Metric_Top_1000_Rets <- custom_metric("Top_1000_Rets", function(y_true, y_pred) {
  fixed_top_k <- 1000L
  # 取固定值和批次大小的最小值，避免索引越界
  top_k <- k_minimum(c(fixed_top_k, k_cast(k_shape(y_pred)[1], dtype = "int32")))
  top_indices <- k_top_k(k_flatten(y_pred), k = top_k)$indices
  top_y_true <- k_gather(k_flatten(y_true), top_indices)
  return(k_mean(top_y_true))
})

方案3：y_pred大于固定阈值对应y_true均值 #

按阈值筛选符合条件的样本，自动处理无符合样本的边界情况：

Metric_Threshold_Rets <- custom_metric("Threshold_Rets", function(y_true, y_pred) {
  threshold <- 0.8 # 可自定义阈值
  mask <- k_greater(k_flatten(y_pred), threshold)
  filtered_y_true <- k_flatten(y_true)[mask]
  # 无符合样本时返回0，可根据需求调整默认值
  return(k_mean(k_switch(k_any(mask), filtered_y_true, k_constant(0, dtype = k_floatx()))))
})

注意事项 #

• 所有运算必须使用Keras后端k_开头的函数，禁止使用R原生的mean()、sort()等函数，否则静态计算图构建失败会导致训练无法启动
• 若你的y_true/y_pred为二维及以上张量，可根据数据结构调整k_flatten()的逻辑，保证筛选维度对应样本维度
• 小batch训练时前1%样本量过少会导致指标波动较大，建议batch size设置不小于1000

内容的提问来源于stack exchange，提问作者Chrispy1098