我是keras的新手,我想用F1-score作为我的指标来训练模型。 我遇到了两件事,一个是我可以添加回调,另一个是使用内置的度量函数Here,它表示度量函数不会用于训练模型。那么,这是不是意味着我可以在编译模型时使用metrics参数呢?第二件事是使用这里定义的回调, import numpy as npfrom sklearn.metrics import confusion_matrix(validation_data, v
假设我有一个三类问题,我想构建一个可以根据一组特征区分类的分类器。我想根据模型区分这3个类的能力来评估它。从我的阅读来看,宏观F1分数似乎是用于评估多类问题分类器的常用指标,其中为每个类计算F1分数,然后将这些F1分数的未加权平均值用作macro F1 score。在其他文献中,我见过用于多类问题的平衡精度,其中计算每一类的精度