用于训练模型的Keras F1分数指标
Keras是一种高级神经网络API，用于在深度学习框架中构建和训练模型。它是基于Python的开源库，提供了简洁而强大的接口，使得构建深度学习模型变得更加容易。Keras是云计算领域中广泛使用的工具之一，可用于训练模型并评估其性能。
F1分数指标是模型性能评估中常用的指标之一。它综合考虑了分类模型的精确度和召回率，可以用来衡量模型对正负样本的识别能力。F1分数的取值范围在0和1之间，数值越高表示模型的性能越好。
Keras提供了计算F1分数的函数f1_score，可以在训练模型后使用该函数对模型的性能进行评估。在使用Keras构建和训练模型时，可以将训练集和验证集的标签（真实值）与模型的预测结果作为参数传递给f1_score函数，从而计算出模型的F1分数。
对于Keras模型的训练，腾讯云提供了一系列相关的产品和服务，如云服务器、云数据库、云原生容器服务等。以下是一些推荐的腾讯云产品和产品介绍链接地址：
- 云服务器（ECS）：腾讯云提供的虚拟云服务器，可用于部署和运行Keras模型。详情请参考云服务器产品介绍。
- 云数据库MySQL版：腾讯云提供的关系型数据库服务，可用于存储训练数据和模型参数。详情请参考云数据库MySQL版产品介绍。
- 云原生容器服务（TKE）：腾讯云提供的容器化部署和管理服务，可用于将Keras模型打包成容器并进行快速部署。详情请参考云原生容器服务产品介绍。
请注意，以上仅是一些推荐的腾讯云产品，其他云计算提供商也可能提供类似的产品和服务。同时，建议根据具体需求和预算选择合适的云计算解决方案。
相关·内容
1回答
我目前正在处理一个非常不平衡的数据集：
2 400万笔交易(数据行)
30 000宗欺诈交易(占交易总额的0.1%)
我使用XGBoost作为模型来预测交易是否具有欺骗性。在通过optuna调整了一些超参数之后，我收到了这样的结果。
F1训练数据评分: 0.5881226277372263
验证数据的F1评分: 0.8699220352892901
训练数据得分: 0.9991431591607794
验证数据得分: 0.9254554224474641
虽然我的训练数据的F1分数很高，但它的分数却很高，而我的训练数据的分数却很高。我想知道我的模型或数据有什么问题吗？我是否过度适应，这些结果是
浏览 0提问于2023-05-22得票数 0
2回答
我正在处理一个多模态分类问题(与Keras)。我有三个不同班级的1000、5000和10000个样本。我想做一个五倍交叉验证，以选择最好的预培训深入学习模式的部署。我包括在模型训练期间的课堂重量，以便给较少发音的课程更多的权重。对于给定的折叠，我将使用这三个类的200、1000和2000样本进行验证。在这种情况下，精确性是一个很好的预测手段吗？或者我也要测量F1分数和马修斯相关系数？我做得对吗？
浏览 0提问于2018-01-26得票数 3
回答已采纳
我想了解一下talos中的超参数搜索。具体地说，就是模型的评估。我正在浏览这个示例笔记本https://nbviewer.jupyter.org/github/autonomio/talos/blob/master/examples/Hyperparameter%20Optimization%20with%20Keras%20for%20the%20Iris%20Prediction.ipynb#seven 不，我的问题是:在评估(7)中，我如何设置特定的评估指标？例如，分类问题的F1分数。他们来自凯拉斯还是塔罗斯？如果不传递参数，默认值是什么？我在talos文档中找不到它。我是不是忽略了什
浏览 13提问于2019-01-23得票数 0
回答已采纳
1回答
我对这件事很陌生，也很困惑。我正在用随机森林(分类)训练我的模型，并试图完全掌握以下概念。
据我所知:您使用训练/测试拆分或交叉验证或oob (引导方法)将您的模型拆分。然后，准确度分数或f1评分表示模型在测试集上的表现如何(平衡类的准确性更好，不平衡类的f1更好)。
但是，OOB评分是一个表示您的验证集有多好的表示，那么对于模型对您的数据的培训效果如何呢？
我是不是误会这里的事了？
我主要是混淆了准确性/F1分数和OOB分数之间的差异。
如有任何意见，将不胜感激。
浏览 3提问于2021-05-11得票数 0
回答已采纳
1回答
在使用keras训练我的LSTM时，我尝试添加自定义指标。请看下面的代码：
from keras.models import Sequential
from keras.layers import Dense, LSTM, Masking, Dropout
from keras.optimizers import SGD, Adam, RMSprop
import keras.backend as K
import numpy as np
_Xtrain = np.random.rand(1000,21,47)
_ytrain = np.random.randint(2, size=1000
浏览 11提问于2017-08-25得票数 1
回答已采纳
我正在训练一个多标签分类模型来检测衣服的属性。我在Keras中使用迁移学习，重新训练vgg-19模型的最后几层。
属性的总数是1000，其中大约99%是0。准确率、精确度、召回率等指标都失败了，因为模型可以预测全零，但仍然可以获得非常高的分数。二进制交叉熵、汉明损失等在损失函数的情况下不起作用。
我使用的是深度时尚数据集。
那么，我可以使用哪些指标和损失函数来正确地测量我的模型呢？
浏览 1提问于2019-12-15得票数 12
2回答
我正在努力理解keras模型是如何工作的。 当我们训练模型时，我们给出指标(如“准确性”)和损失函数(如交叉熵)作为参数。我想知道的是模型优化的目标是什么。拟合后，leant模型最大限度地提高了准确性？或者最大限度地减少损失？
浏览 30提问于2020-10-27得票数 0
1回答
我正在使用Unet架构进行肺分割，它向我显示了更好的训练和Val损失，但是当我调用预测函数并给出一张训练集的图像作为input.its时，.I给了我空白图像作为输出，当它显示出良好的验证准确性时，我理解为什么要这样做。我正在使用keras
浏览 4提问于2018-05-05得票数 0
2回答
我是深度学习的新手，我希望能够使用F1分数来评估经过特定时期训练的模型。我认为它首先需要计算精度和召回率。 训练的模型是SSD-300-Tensorflow。有没有代码或者什么东西可以产生这些结果呢？我没有使用sci-kit或任何东西，因为我不确定是否需要这些来计算分数，但任何指导都是非常感谢的。 在名为metrics.py的文件夹tf_extended中有一个用于评估的文件，该文件具有用于精度和召回率的代码。训练完我的文件后，我将检查点放在了logs文件夹中。如何计算我的指标？由于硬件限制(GPU问题)，我使用Google collab
浏览 72提问于2021-10-03得票数 0
回答已采纳
1回答
我是keras的新手，我想用F1-score作为我的指标来训练模型。 我遇到了两件事，一个是我可以添加回调，另一个是使用内置的度量函数Here，它表示度量函数不会用于训练模型。那么，这是不是意味着我可以在编译模型时使用metrics参数呢？具体来说， model.compile(optimizer='rmsprop',
loss='binary_crossentropy',
metrics=['accuracy']) 在上述情况下，即使准确性作为指标传递，它也不会用于训练模型。 第二件事是使用这里定义的回调， import nu
浏览 34提问于2019-02-22得票数 0
我使用的是seq2seq模型，它可以计算出每个时期的BLEU分数(一个NMT分数)。但是，我不能将BLEU分数设置为验证指标，因此它不能在训练中提前停止。我阅读了源代码，但除了"+loss“之外，没有任何提示可以将哪种类型的字符串添加到验证指标中。请救救我，谢谢！
浏览 28提问于2020-10-27得票数 1
我实际上是在一个服务器上工作，在那里我运行Tensorflow OD API来训练我的自定义数据集的模型。因此，我将图像划分为训练集、验证集和测试集，并在训练集和验证集上运行train.py。接下来，我在我的测试图像上使用导出的模型检查点和冻结的图形运行推理。现在，我的问题是，当我运行示例中提供的推理时，我得到了一个输出dict，其中包含每个图像的检测分数、检测次数、检测类别、检测掩码等，那么如何根据这些输出计算测试集的mAP？
在这个方向上的任何指导都将是非常有帮助的，提前谢谢。
浏览 0提问于2018-10-25得票数 1
我正在尝试使用tensorflow keras训练多个机器学习模型，我只是想知道在训练完成后有没有办法在训练时获得最好的分数。我在网上发现.fit函数返回一个历史对象，可以访问它来获得最好的分数，尽管在我尝试过的代码中它显示"AttributeError：' history‘对象没有属性'best_score'"，但我在网上找不到属性列表，所以这就是我在这里询问的原因。 提前谢谢。 History = model.fit(Xtrain, ytrain, epochs=1, validation_data=(Xtest, ytest), verbose=
浏览 28提问于2020-03-28得票数 0
回答已采纳
我已经使用了2天的超级选择，我试图建立逻辑回归模型，使用超级选择和选择参数的最佳组合，根据他们的f1评分。然而，无论在哪里，他们都提到了根据损失分数来选择最好的模式。如何使用精度或f1分数来代替？
谢谢!
浏览 0提问于2022-03-31得票数 2
我最近完成了我的第一个深入学习模型，但经过测试后，我意识到它不正确地识别所有的图像为无火，尽管表明85%的准确性在训练。我非常困惑，因为我的数据集同时包含了火图像和非火图像，并将90%的数据集用于训练模型。
import glob
import numpy as np
import cv2
from sklearn.model_selection import train_test_split
#reads the names of the dataset images
fire_images = glob.glob('1/*.jpg')
nonfire_images =
浏览 3提问于2022-08-27得票数 0
回答已采纳
我有两个多类分类模型来进行预测(准确地说，类数是三个)。一个是Keras神经网络，另一个是Scikit学习库中的梯度增强分类器。
我注意到，在相同的数据上训练后，GBC具有较高的精度评分，而Keras模型具有较高的F1评分。我应该使用哪种模型来预测未来的数据？哪个指标更重要？
浏览 0提问于2019-12-23得票数 7
回答已采纳
我正在使用tensorflow的预训练BERT模型进行基于标记的分类，以自动标记句子中的因果。
为了访问BERT，我使用了来自huggingface：的TFBertForTokenClassification-Interface
我用来训练的句子都是根据BERT-tokenizer转换成记号(基本上是单词到数字的映射)，然后在训练之前填充到一定的长度，所以当一个句子只有50个记号，另一个只有30个时，第一个句子用50个单词填充，第二个句子用70个单词填充，得到的通用输入句子长度是100。
然后，我训练我的模型来预测每个标记，这个标记属于哪个标记；无论它是原因的一部分，还是结果的一部分，或者都不
浏览 0提问于2020-07-08得票数 1
1回答
我试图在多个数据集上做实验。有些人比其他人更不平衡。现在，为了确保公平的报告，我们计算F1分数的测试数据。在大多数机器学习模型中，我们通过精度度量对模型进行训练和验证。然而，这一次，我决定在F1评分度量标准上训练和验证模型。从技术上讲，在我看来，不应该有问题。不过，我想知道这是否正确的做法。
第二，当我使用这种方法(训练，验证F1-分数)，我得到一个更高的损失误差和一个较低的F1-分数的训练数据比验证数据。我不知道为什么。
浏览 0提问于2022-01-31得票数 0
在训练的同时，建立了Keras模型和，分类精度指标达到0.78。
但是，在对模型进行培训之后，当我运行以下代码时，当预测输出相同的培训数据时：
predicted_labels = model.predict(input_data)
acc = sklearn.metrics.accuracy_score(true_labels, predicted_labels)
精度为0.39。总之，对于Keras和Sklearn，我没有得到相同的精确结果。
浏览 2提问于2018-12-05得票数 0
1回答
SVM与Keras模型性能比较
、、、、
我在数据集上同时应用了SVM和CNN (使用Keras)。现在，我想比较两种型号的性能。
Keras model.evaluate function预测给定输入的输出，然后计算度量函数(度量是用于判断模型性能的函数)，基于the model.compile and的on y_true and y_pred and将计算出的度量值作为输出返回。显然，支持向量机的精度计算与Keras的model.evaluate不同。
对于我的数据集，Keras模型(基于model.evaluate计算的精度)比支持向量机具有更高的精度。然而，将y_true和y_predict (通过model.predict获
浏览 0提问于2020-05-01得票数 0
1回答
我正在使用keras和tensorflow后端，我试图编写一个自定义的keras损失函数，我需要为我的每个类(我有4个类)计算f1分数。问题是，当我编写代码时，我在编译模型时得到一个错误，因为y_true和y_pred在模型编译时是占位符，因此我不能使用scikit learn来计算f1分数。这个问题的通常答案是使用keras后端内置函数进行自定义损失，但似乎很难使用它们来计算每个类的f1分数。我非常感谢在这件事上的任何帮助:) def F1_Loss(y_true,y_pred):
y_true = K.eval(y_true)
y_pred = K.eval(y_pred
浏览 16提问于2019-12-08得票数 0
回答已采纳
我正在使用TensorFlow和Keras训练一个模型。我想保存模型，然后加载它。但是我得到了一些错误。
我是这样编译这个模型的：
from tensorflow.keras.models import Model
import tensorflow as tf
model.compile(loss='categorical_crossentropy',
optimizer=adam,
metrics=['accuracy', top3, top5])
在训练之后，我以这样的方式加载模型：
model.s
浏览 94提问于2021-06-10得票数 0
2回答
我有一个高度不平衡的数据集，只有不到0.5%的次要类。使用Keras，我将对DNN进行培训，并评估验证集的性能。损失函数为binary_crossentropy。
我把我的早期停止f1评分，而不是验证损失。我在训练期间观察到的是，f1分数上下波动很大，而验证损失却在减少。实际上，我的f1分数很低，而且早停下来，尽管f1的分数是很多时代的.
我对此很困惑。我是不是应该提前停止对性能的衡量？我们是否应该使用验证损失作为早期停止的标准？谢谢。
浏览 0提问于2018-11-17得票数 6
问题
由于我的模型中有一个自定义图层，我需要在训练期间将标签和图像一起传递给模型。这就是我调用fit方法的方式：
history = model.fit((trainX,trainY),
trainY,
epochs=epochs,
batch_size=batch_size,
validation_data=((testX,testY), testY),
浏览 32提问于2021-05-31得票数 0
1回答
多标号不平衡数据集分类
、、、、
我目前正在开发一个非常不平衡的多标签时尚产品数据集--我试着使用class_weights来解决它，但是每一个时代的精确度都是0.7556。有没有办法，我可以避免这个问题。我是否以错误的方式实现了类的权重？我也试过使用数据增强。
我在火车上有224个独特的课程。其中有些人只有一个非常令人沮丧的例子
在这个的帮助下，我也试图解决这个问题，但是我无法得到同样的精确分数。看起来，在这个笔记本中，不考虑数据集中不平衡的可能性。
def calculating_class_weights(classes,df):
number_dim = np.shape(classes)[0]
weights
浏览 2提问于2022-01-02得票数 4
回答已采纳
我使用tf.estimator.EstimatorSpec定义了我的模型。我知道它有训练、评估和预测模式。但我想在每个时期之后检查一些指标得分，例如auc。这个API像keras一样支持它吗？
浏览 51提问于2019-05-16得票数 2
1回答
我正在对一些数据使用Keras。以下是详细信息:8000个客户，每个客户的时间步长从2到41不等。因此，我使用零填充来确保所有客户都有41个时间步长。所有8,000个客户都有两个功能，数据带有多类标签，0-4。每个tilmestep都有一个标签。
在训练模型之后，在过程的测试部分，我想输入时间步长1-40的特征和标签，然后让它预测第41个时间步长的标签。有没有人知道这是否可能？我发现Keras在解释它实际预测的东西时有点像黑匣子(例如，当它给出一个准确度分数时，这是什么的准确度？它试图预测什么:最后一个tilmestep标签还是所有tilmestep标签？)
是否存在应在顺序Keras LST
浏览 4提问于2019-11-26得票数 0
我使用的是NER的spaCy CLI命令，train_path设置为训练数据集(培训集)，dev_path设置为评估数据集(测试集)。控制台中的打印输出显示了我的精确性、回忆性和F-得分.
然而，我不清楚这些分数是如何计算出来的。他们是从模型预测火车的分数(火车分数)还是从测试集(测试分数)的分数？
我想确定哪个时代以后停止训练，以防止过度适应。目前，60年代以后，损失仍在略有下降，精确度、召回率和F分仍略有增加。在我看来，这个模型可能是在记忆训练数据，而P、R和F-分数是在训练集上计算出来的，因此一直在改进。
据我所知，在考试分数再次下降之前，一个很好的训练停止点，尽管训练分数不断增加。因此
浏览 0提问于2020-08-25得票数 1
回答已采纳
3回答
我对神经网络很陌生。我正在使用tensorflow培训一个网络，但肯定示例的数量远远少于我的数据集中的负面示例(这是一个医学数据集)。因此，我知道根据精确性和回忆性计算出的F分数是衡量模型训练效果的一个很好的指标。我曾经使用过像交叉熵损失或MSE这样的错误函数，但是它们都是基于精确计算的(如果我没有错的话)。但是如何使用这个F分数作为一个错误函数呢？对此是否有tensorflow函数？还是我要创造一个新的？
提前谢谢。
浏览 3提问于2018-11-17得票数 6
回答已采纳
1回答
我正面临着一个假阳性减少问题，并且正负大小的比率大约是。1.7:1.我从answer中了解到，使用精确度、召回率、FScore，甚至根据成本不同地对真-正、假正、真-负和假阴性进行加权，来评估不同的模型来处理指定的分类任务。 由于从keras中删除了Precision, Recall, and FScore，因此我找到了一些方法来在训练期间跟踪这些指标，例如github repo keras-metrics。 此外，我还通过这样定义精度找到了更好的解决方案， def precision(y_true, y_pred):
"""Precision metric.
浏览 10提问于2019-08-23得票数 0
回答已采纳
我用从keras_metrics导入的precision和recall指标训练了一个cnn模型。但是当我试图加载模型时，我得到了错误：ValueError: Unknown metric function:binary_precision。我没有在任何地方使用过binary_precision函数，但我仍然根据错误在custom_objects中给出了`binary_precision‘：
model = load_model(modelfilepath,custom_objects={'metrics': [keras_metrics.precision(),binary_
浏览 1提问于2019-10-05得票数 2
我想知道Keras如何计算多类分类问题的验证和训练精度(即使用的函数)。我将我的模型编译设置如下：
model.compile(optimizer=Adam(lr=0.001), loss='categorical_crossentropy', metrics=['accuracy'])
但我试图理解验证精度和训练精度是如何计算的(即显式公式)。
我知道验证和训练损失是由categorical_crossentropy决定的，但我不确定准确性。
注意:这不是此的副本。我的问题是寻求Keras用来计算精度的Python函数的解释，而不是上面提到的帖子中给出的理论细
浏览 22提问于2018-02-10得票数 4
回答已采纳
2回答
据我所知，插入符号具有精确性和kappa作为我们可以选择的指标。我们如何用F1分数来训练一个模型呢？假设我们在训练手推车模型。任何例子都将不胜感激。
我还有不平衡的数据(二进制类，其中一个类在数据中占10% )。我试图在精确性和回忆性之间取得平衡，因为模型倾向于预测另一个类。我应该考虑F-1分数还是Kappa或ROC？我觉得F-1得分可能是个更好的选择.
浏览 6提问于2015-08-20得票数 1
回答已采纳
假设我有一个三类问题，我想构建一个可以根据一组特征区分类的分类器。我想根据模型区分这3个类的能力来评估它。
从我的阅读来看，宏观F1分数似乎是用于评估多类问题分类器的常用指标，其中为每个类计算F1分数，然后将这些F1分数的未加权平均值用作macro F1 score。
在其他文献中，我见过用于多类问题的平衡精度，其中计算每一类的精度，然后将这些精度的未加权平均值用作balanced accuracy。
为什么宏观F1得分比平衡准确性更受青睐？
平衡精度不是更容易解释吗，平衡精度< 0.5告诉我们模型的表现比随机更差？
我们如何以与平衡准确率相同的方式来解释F1分数--什么阈值表明分类器比
浏览 4提问于2016-03-09得票数 3
1回答
回归建模中的整型与浮点型
、、、、
这是理解一个概念的一般性问题。
我有一个数据帧，所有列都有浮点值(精度在2到8位之间变化)。
我使用GBM训练我的模型。当我使用所有浮点值- r2分数-0.78时训练我的模型
将所有列转换为整数值时相同- r2分数-0.72
float转换为integer时，r2分数为什么会下降？
它是非常特定于我的数据，还是一般情况下它会被删除？
浏览 27提问于2020-02-28得票数 0
TensorFlow对象检测API有一种非常方便的方法来获得经过训练的模型的性能指标(在他们的教程中描述)。不幸的是，没有提供每个班的平均精确分数。
有没有人知道有一种方便的方法可以为TensorFlow对象检测模型获取特定于类的AP分数，而不必编写自己的脚本来完成呢？
是在2019年被问到的，但没有得到回应。
谢谢!
浏览 5提问于2021-06-15得票数 0
回答已采纳
sklearn为我们提供了一个分类器的.score()函数，比如LogisticRegression，DecisionTreeClassifier，etc.Does这个score函数根据其预测的准确性返回分数?如果是，那么准确性可能不是评估模型性能的最佳参数的情况如何? score函数是否根据用例进行自我调整？
浏览 0提问于2021-06-12得票数 0
1回答
在训练期间，我忘记将模型和模型的预测保存在测试集上。我只有F1、精确度和召回率分数。我想知道是否有任何方法可以仅根据F1，精度和召回率分数来计算准确率？ f1 = 0.9466979550787799
precision = 0.9424328383113633
recall = 0.951001852163664
浏览 17提问于2019-12-27得票数 1
1回答
我正在尝试使用<code>C0</code>数据训练Keras DNN模型进行预测。我已经对数据进行了标准化，并将其分为训练、测试和验证部分。我遇到了一个关于我的晒黑和验证准确性的问题，它(几乎)保持不变。精度始终停留在(0.1431)。
我尝试了许多不同的超参数，包括将激活函数更改为tanh和relu，并尝试在第一个密集层之后添加批处理归一化层，我使用了SGD优化器(更改了学习率、动量，甚至尝试将优化器更改为Adam)，尝试了不同的损失函数，添加/删除了dropout层。
<code>A1</code>
对数据进行标准化(介于0到1之间)
&l
浏览 8提问于2020-07-31得票数 0
1回答
我已经为MNIST数据集训练了一个带有keras的顺序模型，这是我使用的代码。
# Create the model
model = Sequential()
# Add the first hidden layer
model.add(Dense(50, activation='relu', input_shape = (X.shape[1],)))
# Add the second hidden layer
model.add(Dense(50, activation='relu'))
# Add the output layer
model.add(
浏览 0提问于2018-11-10得票数 1
回答已采纳
1回答
我从不同的估计者那里得到了不同的分数。
SVR(核=‘rbf’，C=1e5，gamma=0.1) 0.97368549023058548
线性回归0.80539997869990632
DecisionTreeRegressor(max_depth = 5) 0.83165426563946387
由于所有的回归估计都应该使用R-平方评分，所以我认为它们是可比的，即分数越接近于1，模型的训练效果就越好。但是，每个模型都分别实现了分数函数，所以我不确定。请澄清。
浏览 4提问于2017-05-28得票数 1
回答已采纳
我用一个非常小的数据集完成了一个简单的朴素贝叶斯分类任务。当训练集的大小从100个数据点增加到300个数据点时，测试集上的F1分数就会减少。但是为什么呢？会不会太合适了？我首先应该检查哪些地方来解释这种行为？
浏览 0提问于2017-01-26得票数 3
我想训练一个具有自定义度量的lgb模型:使用weighted average的f1_score。
我浏览了上的lightgbm的高级示例，发现了自定义二进制错误函数的实现。我实现了类似的函数来返回f1_score，如下所示。
def f1_metric(preds, train_data):
labels = train_data.get_label()
return 'f1', f1_score(labels, preds, average='weighted'), True
我尝试通过传递feval参数作为f1_metric来训练模型，如
浏览 0提问于2018-06-19得票数 6
回答已采纳
3回答
在创建和评估Keras机器学习模型时，我对拆分数据集感到有点困惑。假设我有1000行的数据集。
features = df.iloc[:,:-1]
results = df.iloc[:,-1]
现在，我想将这些数据分为培训和测试(33%用于测试，67%用于培训)：
x_train, X_test, y_train, y_test = train_test_split(features, results, test_size=0.33)
我在互联网上读到，将数据纳入模型应该如下所示：
history = model.fit(features, results, validation_split
浏览 5提问于2021-04-19得票数 2
回答已采纳
2回答
我想知道阵列上的特征顺序是否会干扰训练模型和验证分数。例如，如果我有以下功能列表来训练我的模型： "close"，"close_returns"，"log_returns"，"open"，"open_returns"，"open_log_returns“ 如果我颠倒如下顺序： “关闭”，“打开”，"log_returns"，"close_returns"，"open_log_returns"，"open_returns“ 这对预测模型有什么影响吗？还
浏览 27提问于2020-10-22得票数 0
回答已采纳
2回答
我正在致力于一个欺诈检测模型，防止欺诈用户使用我们的解决方案。我的模型表现很好，但我的问题是，该模型表现得越好，我的培训集中的欺诈性用户就越少，因此它与现实世界的数据相比变得不平衡。为了应对这一问题，我们引入了一个随机过程，允许一些用户通过而不被打分，这样我们就可以继续从无偏见的数据中学习。理想情况下，我应该只在这个不偏不倚的数据集上训练我的模型，但是它很小，如果不使用大部分数据是很遗憾的。因此，我想做以下几点：
把我的模型训练成一套:得分数据集(大但偏袒好用户)+无分数数据集(小但公正)
仅使用未得分数据集校准模型的概率
你觉得这个怎么样？你能想到它会带来什么缺点或偏见吗？
浏览 0提问于2021-10-08得票数 5
目前，我正在使用tensorflow和来自keras应用程序的ImageNet预训练EfficientNetB0开发一个图像错误分类器。作为度量，我使用假阳性(fp)、真阳性(tp)、假阴性(fn)、真阴性(tn)……我对像fp、tp、fn和tn这样的度量的问题是，它们在训练期间不是真正的整数值(即tp = 4883.6257)，并且只有在验证期间它们才是整数值。据我所知，这些指标应该始终是整数，因为它们只是假阳性预测样本的数量。在训练过程中，keras在计算这些值时有没有遗漏什么？ 作为输入管道，我使用tensorflow ImageDataGenerator和.flow_from_dat
浏览 17提问于2020-11-02得票数 0
1回答
我是生物识别评估的新手，我希望绘制ROC曲线、CMC曲线和真正的Vs冒名顶替者分布。我基于https://www.pyimagesearch.com/2018/06/18/face-recognition-with-opencv-python-and-deep-learning/在我的数据集上训练了模型。如果我给出一个测试图像，它可以正常工作。但是，我不知道如何在整个测试数据集上基于这种方法获得真正的和冒充的分数。
浏览 119提问于2020-11-08得票数 0
回答已采纳
1回答
我需要关于如何使用keras模型的简单示例。我不清楚model.evaluate和model.predict之间有什么区别。
我想为二进制分类创建模型。让我说我有猫和狗的图像，训练模型，并可以用它来预测在给定的照片上的动物。也许有一些好的进入或教程。我在谷歌的前五页里读到了任何东西，但只发现了复杂的水平教程和讨论。
浏览 3提问于2016-09-29得票数 5
1回答
我是机器学习的初学者，正在尝试解决一个分类问题。我正在处理一个非常不平衡(顺序)的数据集( 20k条记录中只有2%是正的)，并且我正在使用LSTM/GRUs使用tensorflow在python中建模。
这就是我要做的:加载数据。将数据集分成3个数据集:A用于训练(70%)，B用于验证(15%)，C用于测试(15%)；对于每个数据集(A，B，C)，对阳性类进行过采样，以便将阳性百分比从2%提高到30%。这给了我3个更平衡的新数据集:A‘，B’，C‘
然后，我使用GRU使用数据集A‘训练我的模型。
我的目标:在我的测试集C上获得最高的F分数(有没有更好的指标？据我所见，F分数取决于数据分布，即数
浏览 21提问于2017-07-04得票数 3
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
