Что такое "метрика" в Керасе?

мне еще не ясно, что metrics are (как указано в коде ниже). Что именно они оценивают? Почему нам нужно определить их в model? Почему мы можем иметь несколько показателей в одной модели? И что более важно, какова механика всего этого? Любая научная ссылка также оценена.

model.compile(loss='mean_squared_error',
              optimizer='sgd',
              metrics=['mae', 'acc'])
7
deep-learning keras machine-learning neural-network python

3 ответов

Итак, чтобы понять, что такое metrics, Это хорошо, чтобы начать с понимания того, что loss функция является. Нейронные сети в основном обучаются с использованием градиентных методов итерационным процессом уменьшения a

14

а в keras metrics страница описал:

метрика-это функция, которая используется для оценки производительности модель

метрики часто используются с ранней остановкой обратного вызова, чтобы прекратить обучение и избежать переоснащения

2

ссылки: Keras Metrics Documentation

как указано на странице документации keras metrics, a metric оценивает производительность вашей модели. The на compile метод содержит список метрик, которые должны оцениваться моделью на этапах обучения и тестирования. Метрика например:

  • binary_accuracy

  • categorical_accuracy

  • sparse_categorical_accuracy

  • top_k_categorical_accuracy и

  • sparse_top_k_categorical_accuracy

имеющиеся метрические функции которые поставлены в metrics параметр при компиляции модели.

метрические функции настраиваются также. Когда несколько метрик должны быть оценка передается в виде dictionary или list.

один важный ресурс, который вы должны обратиться для погружения глубоко в метрики можно найти здесь

1