如何设置Keras中二分类任务的自定义评价指标metrics？

本文共计2514个文字，预计阅读时间需要11分钟。

Keras在二分类任务中，默认的评价指标只有binary_accuracy，即二分类准确率。但评估模型性能时，除了准确率，还需要考虑其他指标，如精确率、召回率、F1分数等。因此，需要使用Keras提供的相关功能来获取这些指标。

对于二分类任务，keras现有的评价指标只有binary_accuracy，即二分类准确率，但是评估模型的性能有时需要一些其他的评价指标，例如精确率，召回率，F1-score等等，因此需要使用keras提供的自定义评价函数功能构建出针对二分类任务的各类评价指标。

keras提供的自定义评价函数功能需要以如下两个张量作为输入，并返回一个张量作为输出。

y_true：数据集真实值组成的一阶张量。

y_pred：数据集输出值组成的一阶张量。

tf.round()可对张量四舍五入，因此tf.round(y_pred)即是预测值张量。

1-tf.round(y_pred)即是预测值张量取反。

1-y_true即是真实值张量取反。

tf.reduce_sum()可对张量求和。

由此可以根据定义构建出四个基础指标TP、TN、FP、FN，然后进一步构建出进阶指标precision、recall、F1score，最后在编译阶段引用上述自定义评价指标即可。