在Keras的编译方法中添加f1_分数度量
在Keras中,假设我有在Keras的编译方法中添加f1_分数度量,keras,neural-network,Keras,Neural Network,在Keras中,假设我有compileas: model.compile(optimizer='nadam', loss='binary_crossentropy', metrics=['accuracy']) 而且,出于某种原因,我想使用model.evaluate()而不是model.predict(),如何将f1分数度量添加到参数metrics=['accurity'] 谢谢,没有直截了当的办法。分别计算精度和召回率(metrics=['accurity',tf.keras.metric
compile
as:
model.compile(optimizer='nadam', loss='binary_crossentropy', metrics=['accuracy'])
而且,出于某种原因,我想使用model.evaluate()
而不是model.predict()
,如何将f1分数
度量添加到参数metrics=['accurity']
谢谢,没有直截了当的办法。分别计算精度和召回率(
metrics=['accurity',tf.keras.metrics.precision(),tf.keras.metrics.recall()]
),然后直接从精度和召回率计算f1分数,然后依次评估输出数组?我的意思是第一个值是损失,然后是精度,然后是精度?您可以在model.metrics\u names
属性中查看度量的顺序。见答案