評価関数の利用方法

評価関数はモデルの性能を測るために使われます． 次のコードのように，モデルをコンパイルする際に metrics パラメータとして評価関数を渡して指定します．

model.compile(loss='mean_squared_error',
              optimizer='sgd',
              metrics=['mae', 'acc'])

from keras import metrics

model.compile(loss='mean_squared_error',
              optimizer='sgd',
              metrics=[metrics.mae, metrics.categorical_accuracy])

評価関数は損失関数とよく似ていますが，評価結果の値が訓練に直接使われることはありません．

渡す metrics パラメータには既存の評価関数の名前を引数に与えるか， 自分で作った評価関数を渡す事ができます（カスタマイズ を参照してください）．

引数

• y_true: 真のラベル．Theano/TensorFlowのテンソル
• y_pred: 予測値．y_trueと同じshapeのTheano/TensorFlowのテンソル

戻り値

全データ点の平均値を表すスカラ．

---

利用可能な評価関数

binary_accuracy

binary_accuracy(y_true, y_pred)

---

categorical_accuracy

categorical_accuracy(y_true, y_pred)

---

sparse_categorical_accuracy

sparse_categorical_accuracy(y_true, y_pred)

---

top_k_categorical_accuracy

top_k_categorical_accuracy(y_true, y_pred, k=5)

カスタマイズ

(y_true, y_pred) を引数とし，各データ点に対してスカラを返す関数を評価関数として利用できます:

• y_true: 正解ラベル．Theano/TensorFlow テンソル
• y_pred: 予測．y_trueと同じ形状のTheano/TensorFlow テンソル

import keras.backend as K

def mean_pred(y_true, y_pred):
    return K.mean(y_pred)

model.compile(optimizer='rmsprop',
              loss='binary_crossentropy',
              metrics=['accuracy', mean_pred])