Keras F1 model.evaluate（）和model.predict（）不同

当比较

model.evaluate（）

和

model.predict（）

结果时，我得到了一个非常奇怪的行为。正如您在屏幕截图中所看到的，我从

model.evaluate（）

返回的精度和召回率中得到了

~0.926

f1，但对于

model.predict（）

所做的预测，f1要低得多。你知道怎么会这样吗

这仅适用于样本外数据集的评估。对于培训期间用作验证数据的测试数据，

model.evaluate（）

和

model.predict（）

给出了相同的f1

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy', tf.keras.metrics.Precision(), tf.keras.metrics.Recall()])

---

评估与预测？它们之间的比较不同，eval给出了损失值，predict给出了前馈的输出。这可能会有所帮助：@datdinhquoc sry，我的意思是sklearn f1根据predict@Tinu我不明白“批处理”是如何涉及到这个案件的。这是否意味着给出的召回率和召回率是14879个评估数据点的平均值，而不是真实的召回率和召回率。这是否意味着我应该完全忽略model.evaluate（）的结果，而只是基于model.predict（）手动计算？