Question

keras Metrices中binary_accuracy的阈值用于预测一个样本为正面和负面情况？是阈值0.5？怎么调整呢？我想设置阈值0.80，如果预测值是0.79，那么它被认为是负样本，否则，如果预测值是0.81，那么它被认为是正样本。

Answer 1

binary_accuracy没有阈值参数，但您可以自己轻松定义一个。

import keras
from keras import backend as K

def threshold_binary_accuracy(y_true, y_pred):
    threshold = 0.80
    if K.backend() == 'tensorflow':
        return K.mean(K.equal(y_true, K.tf.cast(K.lesser(y_pred,threshold), y_true.dtype)))
    else:
        return K.mean(K.equal(y_true, K.lesser(y_pred,threshold)))

a_pred = K.variable([.1, .2, .6, .79, .8, .9])
a_true = K.variable([0., 0., 0.,  0., 1., 1.])

print K.eval(keras.metrics.binary_accuracy(a_true, a_pred))
print K.eval(threshold_binary_accuracy(a_true, a_pred))

现在您可以将其用作metrics=[threshold_binary_accuracy]

Answer 2

要回答最初的问题，keras使用round函数来分配类，因此阈值为0.5。

https://github.com/fchollet/keras/blob/master/keras/metrics.py

def binary_accuracy（y_true，y_pred）：返回K.mean（K.equal（y_true，K.round（y_pred）））

Answer 3

即使更快，如果您使用tf 2，也可以使用：tf.keras.metrics.BinaryAccuracy()，它具有一个内部threshold参数，您可以设置

keras Metrices中的binary_accuracy，将一个样本预测为正面和负面情况的阈值是多少

3 个答案: