Question

当我训练模型时，我使用MAE作为指标：

my_model.compile(loss='categorical_crossentropy', optimizer=adam, metrics=['mae'])

训练模型后，我预测测试集并使用sklearn的mean_absolute_error函数在测试集上找到MAE：

    def test(self):
        preds = self.model.predict(self.xtest)
        pred_int = [np.argmax(x) - 2 for x in preds]
        mae = mean_absolute_error(self.ytest, pred_int)
        print("Sklearn MAE: {}".format(mae))

输出：

Sklearn MAE: 1.6824460780353825

然而，当我使用Keras的评估功能时，我会得到一个不同的数字：

score = self.model.evaluate(x=self.xtest,y=self.y_cat_test)
print("model.evaluate MAE on test set: {}".format(score[1]))

其中

self.y_cat_test = to_categorical(self.ytest, num_classes=params['num_cat'])

哪个输出：

model.evaluate MAE on test set: 0.30854440440807257

我尝试创建自定义指标，因此我编写了以下函数：

def MY_METRIC(self, y_true, y_pred):
    x = np.abs(y_pred - y_true)
    return x

当我将其用作模型的度量时，它返回与Keras的MAE函数相同的数字。问题是，上面的函数不是MAE。

Wikipedia page on MAE

当我将自定义指标更改为反映MAE等式

时

 def MY_METRIC(self, y_true, y_pred):
        x = np.average(np.abs(y_pred - y_true))
        return x

我收到以下错误：

 AttributeError: 'DType' object has no attribute 'type'

有谁知道为什么会这样？

Keras model.evaluate返回与sklearn的函数

0 个答案: