machine-learning - 如何仅评估某些类别的 Keras 模型精度

Question

我有以下 Keras 模型，其输出有 3 个类(0、1、2):

    model = Sequential()
    model.add(LSTM(100, input_shape=(n_time_steps,n_features)))
    model.add(Dropout(0.5))
    model.add(Dense(100, activation='relu'))
    model.add(Dense(n_classes, activation='softmax'))
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

我有兴趣评估模型的 1 类和 2 类精度，而不是 0，也就是说，如果 1 类和 2 类中的误报数量最少，则该模型是好的，而我并不真正关心0 级。

如何在 Keras 中编写此类指标？

Answer 1

创建任何采用真实情况和预测结果的函数并计算您的指标:

def false_positives(y_true, y_pred):
    negatives = 1 - y_true   
    y_pred = K.cast(K.greater(y_pred, 0.5), K.floatx()) #round to 0 or 1
    #if you don't round y_pred, it might even serve as a loss function

    falsePositives = y_pred * negatives
    falsePositives1 = falsePositives[:,1]
    falsePositives2 = falsePositives[:,2]

    return something

使用metrics = [false_positives]或metrics=['accuracy', false_positives_1, false_positives_2]等。