keras计算precision、recall、F1值

近期写课程作业，需要用Keras搭建网络层，跑实验时需要计算precision，recall和F1值，在前几年，Keras没有更新时，我用的代码是直接取训练期间的预测标签，然后和真实标签之间计算求解，代码是

from keras.callbacks import Callback
from sklearn.metrics import confusion_matrix, f1_score, precision_score, recall_scoreclass Metrics(Callback):def on_train_begin(self, logs={}):self.val_f1s = []self.val_recalls = []self.val_precisions = []def on_epoch_end(self, epoch, logs={}):val_predict = (np.asarray(self.model.predict(self.validation_data[0]))).round()##.modelval_targ = self.validation_data[1]###.model_val_f1 = f1_score(val_targ, val_predict,average='micro')_val_recall = recall_score(val_targ, val_predict,average=None)###_val_precision = precision_score(val_targ, val_predict,average=None)###self.val_f1s.append(_val_f1)self.val_recalls.append(_val_recall)self.val_precisions.append(_val_precision)#print("— val_f1: %f — val_precision: %f — val_recall: %f" %(_val_f1, _val_precision, _val_recall))print("— val_f1: %f "%_val_f1)returnf1=Metrics()
hist=cnn_net.fit(x_train,y_train,batch_size=batch_size,epochs=35,verbose=1,validation_data=(x_train,y_train),callbacks=[f1])

需要使用时，将Metrics文件导入，调用函数，放置到model.fit( callbacks=[ f1 ] )中就可以计算了。

现在TensorFlow更新到2.2.0以上，Keras版本为2.4.3以上，上面那个函数就不太管用了，后来查资料找到了一个包，keras-metrics.

安装后，导入包 keras_metrics，将设置好的参数放置model.compile( metrics=[ km.f1score() ] )

import keras
import keras_metrics as kmmodel = models.Sequential()
model.add(keras.layers.Dense(1, activation="sigmoid", input_dim=2))
model.add(keras.layers.Dense(1, activation="softmax"))model.compile(optimizer="sgd",loss="binary_crossentropy",metrics=[km.f1_score(), km.binary_precision(), km.binary_recall()])

添加上之后，就可以计算评价值了。

keras计算precision、recall、F1值相关推荐

算法模型评价详解：confusion matrix Accuracy Precision Recall F1 调和平均加权F1 Micro-F1 Macro-F1 PRC ROC AUC
目录问题定义 confusion matrix Accuracy Precision和Recall和PRC F1和调和平均加权F1 Micro-F1和Macro-F1 ROC和AUC PRC对比R ...
准确度(accuracy)、精确率（precision)、召回率（recall）、F1值谈谈我的看法
目录前言基本概念准确率 Accuracy 精确度 Precision 召回率 Recall F1 值 sklearn 的评估函数 pyspark 的评估函数 tensorflow 的评估函数多 ...
F1值(F-Measure)、准确率(Precision)、召回率(Recall) 菜鸡版理解
前置知识: T(True): 正确的 F (False) : 错误的 P (Positive) : 正向的/积极的 N (Negetive): 负向的/消极的则: TP:正确的预测了正向的 FN ...
分类性能评价指标——精确率，召回率，F1值详细解释
分类性能的评价指标准确率准确率是全部参与分类的文本中,与人工分类结果吻合的文本所占的比例. 即:预测与真实标签相同的比例 Accuracy=TP+TNTP+TN+FP+FNAccuracy=\fr ...
准确率、精确度、召回率以及F1值的理解和作用
一.精确度和准确率.召回率和漏检率 *****精确度***: Precision 计算公式:P = TP / ( TP + FP ) 定义:检测出的正例中,真正是正例的个数占检测出的正例的比例举例: ...
查准率-查全率precision recall（PR）曲线Matlab实现
在用哈希进行检索时,常会用到precision recall曲线对其性能进行定量评价.precision recall的定义在信息检索评价指标中已做了详细说明,这里再记录一下precision rec ...
准确率、精准率、召回率和F1值详解
专业术语的中英文对照表英文名准确率 Accuracy 精准率 Precise 召回率 Recall F1值 F1 measure Precise和Recall是广泛应用在信息检索和统计学分类领 ...
skmetrics输出acc、precision、recall、f1值相同的问题
一个很神奇的现象我给一个多分类任务做分类的评估,反正指标说来说去就那几个嘛 acc = skmetrics.accuracy_score(y_true, y_pred) b_acc = skmetr ...
精确率(Precision)、召回率(Recall)与F1值
衡量二分类器的评价指标除了准确率(Accuracy)外,还有精确率(Precision).召回率(Recall).F1 值等. 精确率是针对我们预测结果而言的,它表示的是预测为正的样本中有多少是真正的 ...

keras计算precision、recall、F1值

keras计算precision、recall、F1值相关推荐

最新文章

热门文章