如何在回归问题中为keras创建和显示精度度量,例如在将预测四舍五入到最接近的整数类之后?
虽然传统上对于回归问题没有有效地定义准确性,但是为了确定数据的序数类/标签,将问题视为回归是合适的.但是,那么计算精度度量也会很方便,无论是kappa还是其他类似的东西.这是一个要修改的基本keras样板代码.
from keras.models import Sequential
from keras.layers.core import Dense, Activation
model = Sequential()
model.add(Dense(10, 64))
model.add(Activation('tanh'))
model.add(Dense(64, 1))
model.compile(loss='mean_absolute_error', optimizer='rmsprop')
model.fit(X_train, y_train, nb_epoch=20, batch_size=16)
score = model.evaluate(X_test, y_test, batch_size=16)
解决方法:
我使用这样的圆形精度:
def soft_acc(y_true, y_pred):
return K.mean(K.equal(K.round(y_true), K.round(y_pred)))
model.compile(..., metrics=[soft_acc])
标签:python,tensorflow,keras,machine-learning,deep-learning