Question

我正在学习一些Keras教程，我理解model.compile方法创建一个模型，并使用'metrics'参数来定义在培训和测试期间用于评估的指标。

compile(self, optimizer, loss, metrics=[], sample_weight_mode=None)

我遵循的教程通常使用“metrics = ['accuracy']”。我想使用其他指标，如fmeasure和阅读https://keras.io/metrics/我知道有很多选择。但我不知道如何将它们传递给编译方法？

例如：

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['fmeasure'])

会产生错误，表示没有此类指标。

高度赞赏任何建议

由于

Answer 1

您可以提供两种类型的指标。
首先是keras提供的那个，您可以在单引号中找到here，例如＆＃39; mae＆＃39;或者你也可以定义

from keras import metrics
model.compile(loss='mean_squared_error',
              optimizer='sgd',
              metrics=[metrics.mae, metrics.categorical_accuracy]) \\or like 
              metrics=['mae', 'categorical_accuracy']

其次是像这样的自定义指标

import keras.backend as K

def mean_pred(y_true, y_pred):
    return K.mean(y_pred)

model.compile(optimizer='rmsprop',
              loss='binary_crossentropy',
              metrics=['accuracy', mean_pred])

这里mean_pred是自定义指标。查看定义已有指标和自定义指标的区别。所以fmeasure并不容易获得。您必须将其定义为自定义函数。

Answer 2

我相信您的问题类似于https://stackoverflow.com/a/43354147/6701627。请在给定的帖子中查看答案。

PS：我打算将此作为评论，但没有足够的声誉点。

Keras model.compile：由模型评估的指标

2 个答案: