python - Keras回归确定系数R ^ 2

我正在Keras中构建一个用于回归任务的小型神经网络，并且我想使用与scikit-learn RandomForestRegressor相同的准确性指标:



这是一个方便的指标，因为它显示的值最高为1.0(类似于分类中的准确度百分比)。我对Keras后端的使用是否符合我想要的精度指标？

def create_model():
    model = Sequential()
    model.add(Dense(10,
                input_dim=X.shape[1],
                activation="relu"))
    model.add(Dense(10,
                activation="relu"))
    model.add(Dense(1))

    # Compile model
    model.compile(loss="mean_squared_error", optimizer="adam", metrics=[det_coeff])
    return model

# Is this computing the right thing?
def det_coeff(y_true, y_pred):
    u = K.sum(K.square(y_true - y_pred))
    v = K.sum(K.square(y_true - K.mean(y_true)))
    return K.ones_like(v) - (u / v)

这似乎可以正常工作，因为没有错误，并且度量随着时间的推移逐渐增加到1，但是我想确定自己正确地实现了度量。我是Keras后端功能的新手。

最佳答案

您可以 checkout this post。我测试了以下代码，它可以正常工作。

from keras import backend as K

def coeff_determination(y_true, y_pred):
    from keras import backend as K
    SS_res =  K.sum(K.square( y_true-y_pred ))
    SS_tot = K.sum(K.square( y_true - K.mean(y_true) ) )
    return ( 1 - SS_res/(SS_tot + K.epsilon()) )

关于python - Keras回归确定系数R ^ 2，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45250100/