Keras model.compile：模型要评估的指标答案

【问题标题】：Keras model.compile: metrics to be evaluated by the modelKeras model.compile：模型要评估的指标
【发布时间】：2016-11-30 12:15:26
【问题描述】：

我正在关注一些 Keras 教程，并且我了解 model.compile 方法创建一个模型并采用“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，例如 fmeasure，阅读 https://keras.io/metrics/ 我知道有很多选择。但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'])

会生成一个错误，指出没有这样的指标。

任何建议都非常感谢

谢谢

【问题讨论】：

你的 Keras 版本是多少？
刚刚升级到最新的 1.1.2 并且可以正常工作。谢谢

标签： keras

【解决方案1】：

您可以提供两种类型的指标。
第一个是由 keras 提供的，您可以找到 here，您可以在单引号中提供，例如 'mae'，或者您也可以定义类似

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

其次是这样的自定义指标

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])

这里的 mean_pred 是自定义指标。查看定义现有指标和自定义指标的区别。所以 fmeasure 不是现成的。您必须将其定义为自定义函数。

【讨论】：

【解决方案2】：

我相信您的问题类似于https://stackoverflow.com/a/43354147/6701627。请检查给定帖子中的答案。

PS：我打算把这个作为评论，但没有足够的声望点。

【讨论】：