评价函数(评估函数) 作者：马育民 • 2020-02-17 23:04 • 阅读：10607 # 概述 评价函数用于评估当前训练模型的性能。当模型编译后（compile），评价函数应该作为 `metrics` 的参数来输入。 评价函数 和 损失函数 相似，只不过评价函数的结果 **不会用于训练过程中**。 可以传递 **已有的评价函数** 名称，也可以传递一个 **自定义函数** 。 例子： ``` model.compile(loss='mse', optimizer='adam', metrics=['mae']) ``` 即：`metrics=['mae']` ### keras keras中的评价函数都在`tf.keras.metrics`模块下 # 常用评估函数 ### binary_accuracy 用于 **二分类** 问题,计算在所有预测值上的平均正确率 ### categorical_accuracy 用于 **多分类** 问题，计算在所有预测值上的平均正确率 目标值是one-hot独热编码的 ### sparse_categorical_accuracy 与categorical_accuracy相同 目标值是顺序数字的，如：1,2,3,4 ### 可以用部分损失函数 有的损失函数也可以当做评估函数，如：mae等 感谢： https://blog.csdn.net/Elvirangel/article/details/89891401 https://keras.io/zh/metrics/ 原文出处：http://www.malaoshi.top/show_1EF50B86lTip.html