【发布时间】:2021-08-31 16:38:35
【问题描述】:
我正在尝试在 Keras 中创建两个自定义函数 f1_metric 和 auc_metric。 f1_metric 有效,但 auc 无效,我收到不同的错误。这是我的代码:
def f1_metric(y_true, y_pred):
true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
possible_positives = K.sum(K.round(K.clip(y_true, 0, 1)))
predicted_positives = K.sum(K.round(K.clip(y_pred, 0, 1)))
precision = true_positives / (predicted_positives + K.epsilon())
recall = true_positives / (possible_positives + K.epsilon())
f1_val = 2*(precision*recall)/(precision+recall+K.epsilon())
return f1_val
def auc_metric(y_true, yhat):
yhat = yhat[:, 1]
# calculate roc curves
fpr, tpr, thresholds = roc_curve(y_true, yhat)
auc=auc(tpr,fpr)
return auc
这是我的编译和拟合代码:
opt = SGD(lr=0.01,momentum=0.9)
model.compile(loss='binary_crossentropy', optimizer=opt,metrics=['accuracy']) #
ca = SnapshotEnsemble(n_epochs, n_cycles, 0.01)
# fit model
history=model.fit(trainX, trainy, validation_data=(testX, testy), epochs=n_epochs,
verbose='auto', callbacks=[ca],batch_size=32)
任何想法如何解决它?我想定义一个与 f1_metric 类似的函数。
【问题讨论】:
-
如果你错过了这个,
keras已经实现了 AUC -> keras.io/api/metrics/classification_metrics/#auc-class -
是的,它有效。 Tnx。
标签: python tensorflow keras neural-network