Keras model.compile:由模型评估的指标

Question

我正在学习一些Keras教程，我知道model.compile方法创建了一个模型，并采用' metrics‘参数来定义在训练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，阅读https://keras.io/metrics/时，我知道有很多选择。但是我不知道如何将它们传递给compile方法？

例如：

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

将生成一个错误，指出没有这样的度量。

非常感谢您提出的任何建议

谢谢

Answer 1

您可以提供两种类型的指标。

首先是keras提供的here，您可以在单引号中找到它，比如'mae‘，也可以定义如下

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

第二个是自定义指标，如下所示

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])

其中，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不是现成可用的。您必须将其定义为自定义函数。

Answer 2

我相信你的问题和https://stackoverflow.com/a/43354147/6701627很相似。请在给定的帖子中检查答案。

附言:我打算把这作为一个评论，但没有足够的名誉点。