在keras里面實(shí)現(xiàn)計(jì)算f1-score的代碼
我就廢話不多說(shuō)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(wèn)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(wèn)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
python實(shí)現(xiàn)二叉樹(shù)的遍歷
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)二叉樹(shù)的遍歷，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2017-12-12
在本篇文章里小編給大家整理了關(guān)于python語(yǔ)言基本語(yǔ)句的相關(guān)知識(shí)點(diǎn)以及實(shí)例代碼，需要的朋友們參考下。2019-06-06
使用Python+selenium實(shí)現(xiàn)第一個(gè)自動(dòng)化測(cè)試腳本
這篇文章主要介紹了使用Python+selenium實(shí)現(xiàn)第一個(gè)自動(dòng)化測(cè)試腳本，文中通過(guò)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(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-03-03
異常即非正常狀態(tài)，在Python中使用異常對(duì)象來(lái)表示異常。若程序在編譯或運(yùn)行過(guò)程中發(fā)生錯(cuò)誤，程序的執(zhí)行過(guò)程就會(huì)發(fā)生改變，拋出異常對(duì)象，程序流進(jìn)入異常處理。如果異常對(duì)象沒(méi)有被處理或捕捉，程序就會(huì)執(zhí)行回溯(Traceback)來(lái)終止程序2022-03-03
Python實(shí)現(xiàn)獲取當(dāng)前日期的所屬信息
在Python中,處理日期和時(shí)間是一個(gè)常見(jiàn)的任務(wù),它涉及到許多方面,例如獲取日期的年、月、日、星期幾等等,本文將詳細(xì)介紹如何使用Python來(lái)獲取當(dāng)前日期的各種相關(guān)信息,需要的可以了解下2024-01-01
使用Python來(lái)做一個(gè)屏幕錄制工具的操作代碼
本文給大家分享使用Python來(lái)做一個(gè)屏幕錄制工具,通過(guò)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2020-01-01
解決Keras中Embedding層masking與Concatenate層不可調(diào)和的問(wèn)題
這篇文章主要介紹了解決Keras中Embedding層masking與Concatenate層不可調(diào)和的問(wèn)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(guò)來(lái)看看吧2020-06-06
這篇文章主要總結(jié)了Python容器類型公共方法，幫助大家更好的理解和學(xué)習(xí)python，感興趣的朋友可以了解下2020-08-08
數(shù)組索引是指使用方括號(hào)（[]）來(lái)索引數(shù)組值,numpy提供了比常規(guī)的python序列更多的索引工具，除了按整數(shù)和切片索引之外，數(shù)組可以由整數(shù)數(shù)組索引、布爾索引及花式索引，這篇文章主要介紹了Python NumPy 數(shù)組索引,需要的朋友可以參考下2023-01-01
這篇文章主要給大家介紹了關(guān)于我是如何學(xué)習(xí)Python中的列表的，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-06-06