如何使用 Micro F-Measure 评估 Keras multi-class 模型？

Question

我想用微 F 测量评估 Tensorflow2/Keras 中的多 class 模型。

如何实现？

给定一个模型

model = tf.keras.models.load_model('NNMODEL.h5')

和

测试数据集

testX 
testY

Answer 1

最简单的方法是使用scikit-learn。

在官方文档中，可以看到下面的例子（稍作修改）：

from sklearn.metrics import f1_score
y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 0, 1]
result = f1_score(y_true, y_pred, average = None) (an array of f1-scores for each class)
result_micro = f1_score(y_true, y_pred, average='micro') (a float value)

您需要注意将您的'average'参数设置为None；通过这种方式，您可以分别收到每个 class 的 F1 分数。如果您确实想要一个没有每个 class 的 F1 分数的整体 F1 分数，请使用 average = 'micro'。

因此，对 testX 中的每个元素进行预测，将 class 预测附加到列表中（这构造了上面示例中的 y_pred），然后 y_true 实际上是基本事实，即 testY 在你的情况下。

如何使用 Micro F-Measure 评估 Keras multi-class 模型？

How to evaluate a Keras multi-class model with Micro F-Measure?

evaluation

keras

tensorflow

tf.keras