keras中输出层的小数精度

Question

我正在开展一个项目，该项目根据与其相关的各种输入特征来预测药物协同值。协同值是浮点数，所以我想为我的神经网络设置一个准确度范围。 例如 - 假设实际值为 1.342423，而我的模型预测为 1.30123，那么输出应该被视为正确的输出。 换句话说，我想限制检查以比较实际答案和预测答案的小数位数。 神经网络：

model = Sequential()
act = 'relu'
model.add(Dense(430, input_shape=(3,)))
model.add(Activation(act))

model.add(Dense(256))
model.add(Activation(act))
model.add(Dropout(0.42))

model.add(Dense(148))
model.add(Activation(act))
model.add(Dropout(0.3))

model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])

用于学习和训练/测试数据的完整源代码： https://github.com/tanmay-edgelord/Drug-Synergy-Models/blob/master 请询问所需的任何其他详细信息 （使用 Keras 和 TensorFlow 后端）

Answer 1

创建custom metric：

import keras.backend as K

def myAccuracy(y_true, y_pred):
    diff = K.abs(y_true-y_pred) #absolute difference between correct and predicted values
    correct = K.less(diff,0.05) #tensor with 0 for false values and 1 for true values
    return K.mean(correct) #sum all 1's and divide by the total. 

然后在模型编译中使用：

model.compile(metrics=[myAccuracy],....)