如何解决F1 与 model.evaluate() 和 model.predict() 不同
在比较 model.evaluate()
和 model.predict()
结果时,我得到了一个非常奇怪的行为。正如您在屏幕截图中看到的,我得到 ~0.926
f1 以表示从 model.evaluate()
返回的精度和召回率,但对于 model.predict()
做出的预测,f1 低得多。任何想法怎么会发生?
这只发生在对样本外数据集的评估中。对于训练期间用作验证数据的测试数据,model.evaluate()
和 model.predict()
给出相同的 f1。
model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy',tf.keras.metrics.Precision(),tf.keras.metrics.Recall()])
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。