在keras里面實(shí)現(xiàn)計(jì)算f1-score的代碼
我就廢話不多說了，大家還是直接看代碼吧！
### 以下鏈接里面的code
import numpy as np
from keras.callbacks import Callback
from sklearn.metrics import confusion_matrix, f1_score, precision_score, recall_score
class 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.model.validation_data[0]))).round()
val_targ = self.model.validation_data[1]
_val_f1 = f1_score(val_targ, val_predict)
_val_recall = recall_score(val_targ, val_predict)
_val_precision = precision_score(val_targ, val_predict)
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)
return
metrics = Metrics()
model.fit(
train_instances.x,
train_instances.y,
batch_size,
epochs,
verbose=2,
callbacks=[metrics],
validation_data=(valid_instances.x, valid_instances.y),
)
補(bǔ)充知識(shí)：Keras可使用的評(píng)價(jià)函數(shù)
1：binary_accuracy（對(duì)二分類問題，計(jì)算在所有預(yù)測(cè)值上的平均正確率）
binary_accuracy(y_true, y_pred)
2：categorical_accuracy（對(duì)多分類問題，計(jì)算在所有預(yù)測(cè)值上的平均正確率）
categorical_accuracy(y_true, y_pred)
3：sparse_categorical_accuracy（與categorical_accuracy相同，在對(duì)稀疏的目標(biāo)值預(yù)測(cè)時(shí)有用 ）
sparse_categorical_accuracy(y_true, y_pred)
4：top_k_categorical_accuracy（計(jì)算top-k正確率，當(dāng)預(yù)測(cè)值的前k個(gè)值中存在目標(biāo)類別即認(rèn)為預(yù)測(cè)正確 ）
top_k_categorical_accuracy(y_true, y_pred, k=5)
5：sparse_top_k_categorical_accuracy（與top_k_categorical_accracy作用相同，但適用于稀疏情況）
sparse_top_k_categorical_accuracy(y_true, y_pred, k=5)
以上這篇在keras里面實(shí)現(xiàn)計(jì)算f1-score的代碼就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
在python中計(jì)算ssim的方法（與Matlab結(jié)果一致）
這篇文章主要介紹了在python中計(jì)算ssim的方法（與Matlab結(jié)果一致）,本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2019-12-12
解決pycharm 格式報(bào)錯(cuò)tabs和space不一致問題
這篇文章主要介紹了解決pycharm 格式報(bào)錯(cuò)tabs和space不一致問題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2021-02-02
這篇文章主要介紹了python中reader的next用法,分別介紹了python3中的用法和python2中的用法，具體實(shí)例代碼大家參考下本文2018-07-07
本文主要介紹了Python代碼部署的三種加密方案，主要介紹了代碼混淆、代碼編譯、代碼打包這三種，具有一定的參考價(jià)值，感興趣的可以了解一下2023-02-02
Python實(shí)現(xiàn)深度遍歷和廣度遍歷的方法
今天小編就為大家分享一篇Python實(shí)現(xiàn)深度遍歷和廣度遍歷的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-01-01
numpy.ndarray.flatten()函數(shù)的具體使用
本文主要介紹了numpy.ndarray.flatten()函數(shù)的具體使用，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
基于python實(shí)現(xiàn)ROC曲線繪制廣場(chǎng)解析
這篇文章主要介紹了基于python實(shí)現(xiàn)ROC曲線繪制廣場(chǎng)解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-06-06
這篇文章主要介紹了Python異步通信模塊asyncore的使用,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-11-11
淺談python的elementtree模塊處理中文注意事項(xiàng)
這篇文章主要介紹了淺談python的elementtree模塊處理中文注意事項(xiàng)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-03-03
django連接數(shù)據(jù)庫(kù)獲取數(shù)據(jù)的簡(jiǎn)單步驟記錄
數(shù)據(jù)庫(kù)中各種表結(jié)構(gòu)已經(jīng)創(chuàng)建好了,甚至連數(shù)據(jù)都有了,此時(shí)我要用Django管理這個(gè)數(shù)據(jù)庫(kù),下面這篇文章主要給大家介紹了關(guān)于django連接數(shù)據(jù)庫(kù)獲取數(shù)據(jù)的相關(guān)資料,需要的朋友可以參考下2022-07-07