python - KerasRegressor 决定系数 R^2 分数

Question

我正在 Keras 中构建一个用于回归任务的小型神经网络，我想使用与 scikit-learn RandomForestRegressor 相同的精度指标:

The coefficient R^2 is defined as (1 - u/v), where u is the regression sum of squares ((y_true - y_pred) ** 2).sum() and v is the residual sum of squares ((y_true - y_true.mean()) ** 2).sum().

这是一个方便的指标，因为它显示的值高达 1.0(类似于分类中的准确率百分比)。我对 Keras 后端的使用是否符合我想要的准确性指标？

def create_model():
    model = Sequential()
    model.add(Dense(10, input_dim=X.shape[1], activation="relu"))
    model.add(Dense(10, activation="relu"))
    model.add(Dense(1))

    # Compile model
    model.compile(loss="mean_squared_error", optimizer="adam", metrics=[det_coeff])
    return model

# Is this computing the right thing?
def det_coeff(y_true, y_pred):
    u = K.sum(K.square(y_true - y_pred))
    v = K.sum(K.square(y_true - K.mean(y_true)))
    return K.ones_like(v) - (u / v)

这似乎有效，没有任何错误，并且指标随着时间的推移逐渐增加到 1，但我想确保我正确实现了该指标。

Answer 1

您可以查看this post出去。我测试了以下代码，它可以满足您的目的。

from keras import backend as K

def coeff_determination(y_true, y_pred):
    SS_res =  K.sum(K.square( y_true-y_pred ))
    SS_tot = K.sum(K.square( y_true - K.mean(y_true) ) )
    return ( 1 - SS_res/(SS_tot + K.epsilon()) )