Tensorflow 在tf.keras.metrics.Recall中使用SHADS参数
我想知道当指定多个阈值时,如何计算召回率。 下面是中的描述片段 阈值:(可选)浮点值或[0,1]中浮点阈值的python列表/元组。将阈值与预测值进行比较,以确定预测的真值(即,高于阈值为真,低于阈值为假)。为每个阈值生成一个度量值。如果既没有设置阈值也没有设置top_k,则默认情况下计算召回率,阈值=0.5 我试图传递一个包含3个阈值的列表,根据描述,我预期将生成3个召回值(即每个阈值一个召回),但它不以这种方式工作,只生成1个召回度量Tensorflow 在tf.keras.metrics.Recall中使用SHADS参数,tensorflow,keras,precision-recall,Tensorflow,Keras,Precision Recall,我想知道当指定多个阈值时,如何计算召回率。 下面是中的描述片段 阈值:(可选)浮点值或[0,1]中浮点阈值的python列表/元组。将阈值与预测值进行比较,以确定预测的真值(即,高于阈值为真,低于阈值为假)。为每个阈值生成一个度量值。如果既没有设置阈值也没有设置top_k,则默认情况下计算召回率,阈值=0.5 我试图传递一个包含3个阈值的列表,根据描述,我预期将生成3个召回值(即每个阈值一个召回),但它不以这种方式工作,只生成1个召回度量 import tensorflow as tf from
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Embedding,Flatten,Dense
from tensorflow.keras.layers import LSTM
from tensorflow.keras.layers import Bidirectional
from tensorflow.keras.layers import Dropout
from tensorflow.keras import layers
model=Sequential()
model.add(Embedding(len(tokens)+1,embedding_dim,input_length=MAX_TEXT_LEN,weights=[embedding_matrix]))
model.add(LSTM(128))
model.add(Dropout(0.5))
model.add(Dense(9,activation='sigmoid'))
opt=tf.keras.optimizers.Adam(lr=0.0001)
model.compile(loss='binary_crossentropy', optimizer=opt, metrics=[tf.keras.metrics.Recall(thresholds=[0.2,0.4,0.8]))
你能添加最小可复制代码吗?我试图理解tf.keras.metrics.Recall的行为,阈值参数包含多个值,因此这里没有可复制的内容。你是对的。我只是想复制和粘贴代码并在IDE中进行分析。我想要那里面的密码sense@eugen粘贴了一个示例代码,不确定它会有多大帮助。这是一个多标签分类问题。你能添加最小可复制代码吗?我试图了解tf.keras.metrics.Recall的行为,阈值参数包含多个值,因此这里没有可复制的内容。你是对的。我只是想复制和粘贴代码并在IDE中进行分析。我想要那里面的密码sense@eugen粘贴了一个示例代码,不确定它会有多大帮助。这是一个多标签分类问题。