當model.compile在keras使用mectrics，報告ValueError異常：（ '未知的度量功能'， '：f1score'）

我試圖運行LSTM，當我使用下面的代碼：當model.compile在keras使用mectrics，報告ValueError異常：（ '未知的度量功能'， '：f1score'）

model.compile(optimizer='rmsprop', loss='binary_crossentropy', 
       metrics=['accuracy', 'f1score', 'precision', 'recall'])

它返回：

ValueError: ('Unknown metric function', ':f1score').

我已經做了我的搜索，發現這個網址： https://github.com/fchollet/keras/issues/5400

在此URL中的「model.compile」部分的「指標」是完全一樣的礦，並沒有e返回錯誤。

來源

2017-04-11 Shenghao Chen

什麼是你Keras版本（你可以用'keras .__ version__'檢查）？ f1score在Keras 2中不可用，你需要自己創建它（一個好的開始就是查看1.2.2代碼：https：//github.com/fchollet/keras/blob/1.2.2 /keras/metrics.py） –

我懷疑你使用的是Keras 2.X.如https://keras.io/metrics/中所述，您可以創建自定義指標。這些度量標準似乎只採用(y_true, y_pred)作爲函數參數，所以fbeta的廣義實現是不可能的。

以下是基於keras 1.2.2源代碼的f1_score的實現。

import keras.backend as K 

def f1_score(y_true, y_pred): 

    # Count positive samples. 
    c1 = K.sum(K.round(K.clip(y_true * y_pred, 0, 1))) 
    c2 = K.sum(K.round(K.clip(y_pred, 0, 1))) 
    c3 = K.sum(K.round(K.clip(y_true, 0, 1))) 

    # If there are no true samples, fix the F1 score at 0. 
    if c3 == 0: 
     return 0 

    # How many selected items are relevant? 
    precision = c1/c2 

    # How many relevant items are selected? 
    recall = c1/c3 

    # Calculate f1_score 
    f1_score = 2 * (precision * recall)/(precision + recall) 
    return f1_score

使用時，只需添加f1_score到您的指標的列表，當您編譯模型，定義自定義指標之後。例如：

model.compile(loss='categorical_crossentropy', 
       optimizer='adam', 
       metrics=['accuracy',f1_score])

來源

2017-04-11 18:58:22 dhinckley

非常感謝！我已將您的代碼添加到我的項目中，但f1_score的輸出始終爲nan，我不知道如何處理它，您能幫助我嗎？ –

'model.compile（optimizer ='rmsprop'，loss ='binary_crossentropy'， metrics = ['accuracy'，metric_def.f1_score]）' –

你能幫我嗎？ –

當model.compile在keras使用mectrics，報告ValueError異常：（ '未知的度量功能'， '：f1score'）

回答

相關問題