tworzyć niestandardowe dane tak:
redakcją dzięki @Marcin: Tworzenie funkcji, która zwraca żądane dane z threshold_value
jako argument
def precision_threshold(threshold=0.5):
def precision(y_true, y_pred):
"""Precision metric.
Computes the precision over the whole batch using threshold_value.
"""
threshold_value = threshold
# Adaptation of the "round()" used before to get the predictions. Clipping to make sure that the predicted raw values are between 0 and 1.
y_pred = K.cast(K.greater(K.clip(y_pred, 0, 1), threshold_value), K.floatx())
# Compute the number of true positives. Rounding in prevention to make sure we have an integer.
true_positives = K.round(K.sum(K.clip(y_true * y_pred, 0, 1)))
# count the predicted positives
predicted_positives = K.sum(y_pred)
# Get the precision ratio
precision_ratio = true_positives/(predicted_positives + K.epsilon())
return precision_ratio
return precision
def recall_threshold(threshold = 0.5):
def recall(y_true, y_pred):
"""Recall metric.
Computes the recall over the whole batch using threshold_value.
"""
threshold_value = threshold
# Adaptation of the "round()" used before to get the predictions. Clipping to make sure that the predicted raw values are between 0 and 1.
y_pred = K.cast(K.greater(K.clip(y_pred, 0, 1), threshold_value), K.floatx())
# Compute the number of true positives. Rounding in prevention to make sure we have an integer.
true_positives = K.round(K.sum(K.clip(y_true * y_pred, 0, 1)))
# Compute the number of positive targets.
possible_positives = K.sum(K.clip(y_true, 0, 1))
recall_ratio = true_positives/(possible_positives + K.epsilon())
return recall_ratio
return recall
teraz można z nich korzystać w
model.compile(..., metrics = [precision_threshold(0.1), precision_threshold(0.2),precision_threshold(0.8), recall_threshold(0.2,...)])
Mam nadzieję, że to pomoże :)
@NassimBen dobre rozwiązanie. Chciałbym zrobić coś bardzo podobnego, ale dynamaically kaclulate 'próg_wartości' oparty na' 'kth' największą wartość w' y_pred': Zadałem pytanie tutaj: https://stackoverflow.com/questions/45720458/keras- niestandardowe wywoływanie-oparte na metodzie wartości przewidywanych – notconfusing
jeśli podaję inne wartości progowe i zapiszę model z jaką dokładnością lub wartością przywołania model będzie zapisany w modelu? – Mohsin