不懂keras中自定義二分類任務評價指標metrics的用法？其實想解決這個問題也不難，下面讓小編帶著大家一起學習怎么去解決，希望大家閱讀完這篇文章后大所收獲。

成都創(chuàng)新互聯(lián)公司是一家集網(wǎng)站建設,寧河企業(yè)網(wǎng)站建設,寧河品牌網(wǎng)站建設,網(wǎng)站定制,寧河網(wǎng)站建設報價,網(wǎng)絡營銷,網(wǎng)絡優(yōu)化,寧河網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強企業(yè)競爭力?？沙浞譂M足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學習、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實用型網(wǎng)站。

對于二分類任務，keras現(xiàn)有的評價指標只有binary_accuracy，即二分類準確率，但是評估模型的性能有時需要一些其他的評價指標，例如精確率，召回率，F(xiàn)1-score等等，因此需要使用keras提供的自定義評價函數(shù)功能構(gòu)建出針對二分類任務的各類評價指標。

keras提供的自定義評價函數(shù)功能需要以如下兩個張量作為輸入，并返回一個張量作為輸出。

y_true：數(shù)據(jù)集真實值組成的一階張量。

y_pred：數(shù)據(jù)集輸出值組成的一階張量。

tf.round()可對張量四舍五入，因此tf.round(y_pred)即是預測值張量。

1-tf.round(y_pred)即是預測值張量取反。

1-y_true即是真實值張量取反。

tf.reduce_sum()可對張量求和。

由此可以根據(jù)定義構(gòu)建出四個基礎指標TP、TN、FP、FN，然后進一步構(gòu)建出進階指標precision、recall、F1score，最后在編譯階段引用上述自定義評價指標即可。

keras中自定義二分類任務常用評價指標及其引用的代碼如下

import tensorflow as tf

#精確率評價指標
def metric_precision(y_true,y_pred): 
 TP=tf.reduce_sum(y_true*tf.round(y_pred))
 TN=tf.reduce_sum((1-y_true)*(1-tf.round(y_pred)))
 FP=tf.reduce_sum((1-y_true)*tf.round(y_pred))
 FN=tf.reduce_sum(y_true*(1-tf.round(y_pred)))
 precision=TP/(TP+FP)
 return precision

#召回率評價指標
def metric_recall(y_true,y_pred): 
 TP=tf.reduce_sum(y_true*tf.round(y_pred))
 TN=tf.reduce_sum((1-y_true)*(1-tf.round(y_pred)))
 FP=tf.reduce_sum((1-y_true)*tf.round(y_pred))
 FN=tf.reduce_sum(y_true*(1-tf.round(y_pred)))
 recall=TP/(TP+FN)
 return recall

#F1-score評價指標
def metric_F1score(y_true,y_pred): 
 TP=tf.reduce_sum(y_true*tf.round(y_pred))
 TN=tf.reduce_sum((1-y_true)*(1-tf.round(y_pred)))
 FP=tf.reduce_sum((1-y_true)*tf.round(y_pred))
 FN=tf.reduce_sum(y_true*(1-tf.round(y_pred)))
 precision=TP/(TP+FP)
 recall=TP/(TP+FN)
 F1score=2*precision*recall/(precision+recall)
 return F1score

#編譯階段引用自定義評價指標示例
model.compile(optimizer='adam',
	 loss='binary_crossentropy',
	 metrics=['accuracy',
	 		metric_precision,
	 		metric_recall,
	 		metric_F1score])

另外有需要云服務器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

本文標題：關(guān)于keras中自定義二分類任務評價指標metrics的用法-創(chuàng)新互聯(lián)
文章出自：http://www.rwnh.cn/article28/cehccp.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供云服務器、網(wǎng)站策劃、做網(wǎng)站、網(wǎng)站營銷、外貿(mào)網(wǎng)站建設、網(wǎng)站設計公司

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)