如何使用 Micro F-Measure 评估 Keras 多类模型？答案

【问题标题】：How to evaluate a Keras multi-class model with Micro F-Measure?如何使用 Micro F-Measure 评估 Keras 多类模型？
【发布时间】：2020-02-27 11:09:11
【问题描述】：

我想在 Tensorflow2/Keras 中使用 Micro F-measures 评估我的多类模型。

如何做到这一点？

给定一个模型

model = tf.keras.models.load_model('NNMODEL.h5')

和

测试数据集

testX 
testY

【问题讨论】：

标签： tensorflow keras evaluation tf.keras

【解决方案1】：

最简单的方法是使用scikit-learn。

在官方文档中，可以看到如下示例（稍作修改）：

from sklearn.metrics import f1_score
y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 0, 1]
result = f1_score(y_true, y_pred, average = None) (an array of f1-scores for each class)
result_micro = f1_score(y_true, y_pred, average='micro') (a float value)

您需要注意将您的'average'参数设置为None；这样，您将分别获得每个班级的 F1 分数。如果您确实想要一个总体 F1 分数而没有每个班级的 F1 分数，请使用average = 'micro'。

因此，对testX 中的每个元素进行预测，将类预测附加到一个列表（这构造了上面示例中的y_pred）然后y_true 实际上是基本事实，即@987654329 @ 在你的情况下。

【讨论】：