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 相同的准确度指标 RandomForestRegressor：

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，因为它显示的值最大为 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度指标？

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)

这似乎是有效的，因为没有错误，并且指标随着时间的推移逐渐增加到 1，但我想确保我正确地实施了指标。我是 Keras 后端函数的新手。

Answer 1

您可以查看 this post。我测试了以下代码，它可以正常工作。

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()) )

KerasRegressor 决定系数 R^2 分数

KerasRegressor Coefficient of Determination R^2 Score

python

tensorflow

scikit-learn

keras

tensor