我在Python 3中有一个Keras模型(Sequential):
class LossHistory(keras.callbacks.Callback):
def on_train_begin(self, logs={}):
self.matthews_correlation = []
def on_epoch_end(self, batch, logs={}):
self.matthews_correlation.append(logs.get('matthews_correlation'))
...
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['matthews_correlation'])
history = LossHistory()
model.fit(Xtrain, Ytrain, nb_epoch=10, batch_size=10, callbacks=[history])
scores = model.evaluate(Xtest, Ytest, verbose=1)
...
MCC = matthews_correlation(Ytest, predictions)
model.fit()打印出来 - 据说是根据metrics = ['matthews_correlation']部分 - 进度和Matthews相关系数(MCC) . 但它们与MCC最终的回馈有很大的不同 . MCC函数最终给出了预测的整体MCC,并且与sklearn的MCC函数一致(即,我信任该值) .
1)model.evaluate()得分是多少?它们最终与MCC完全不同,或者与时代的MCC完全不同 .
2)什么是时代的MCC?它看起来像这样:
大纪元1/10 580/580 [===========] - 0s - 损失:0.2500 - matthews_correlation:-0.5817
它们是如何计算的,为什么它们最终与MCC的差别如此之大?
3)我可以以某种方式将函数matthews_correlation()添加到函数on_epoch_train()吗?然后我可以打印出独立计算的MCC . 我不知道Keras隐含的是什么 .
谢谢你的帮助 .
编辑:Here是他们如何记录损失历史的一个例子 . 如果我打印(history.matthews_correlation),我会得到进度报告给我的相同MCC列表 .
1 回答
您的MCC为负的原因可能是由于Keras实施中最近修复的错误 . 检查这个issue .
您的问题的解决方案可能是从GitHub主分支重新安装Keras或编写您自己的回调(如here所述)在问题中已修复: