时间戳

首页 > 解决方案 > R_squared vs epochs

python - R_squared vs epochs

问题描述

早上好，我是一个 python 初学者，我正在尝试构建我的第一个神经网络。有没有办法绘制 R2 演化与时代的关系？我以下列方式评估 R2：r2_score(y_test_pred, y_test). 我以这种方式构建了一个完全连接的神经网络：

optimizer = tf.keras.optimizers.Adam(lr=0.001)
model = Sequential()

# ,kernel_regularizer=l2(c), bias_regularizer=l2(c)
model.add(Dense(100, input_shape = (X_train.shape[1],), activation = 'relu',kernel_initializer='glorot_uniform'))
model.add(Dropout(0.2))
model.add(Dense(100, activation = 'relu',kernel_initializer='glorot_uniform'))
model.add(Dropout(0.2))
model.add(Dense(100, activation = 'relu',kernel_initializer='glorot_uniform'))

model.add(Dense(1,activation = 'linear',kernel_initializer='glorot_uniform'))

model.compile(loss = 'mse', optimizer = optimizer, metrics = ['mse'])

history = model.fit(X_train, y_train, epochs = 100,
                    validation_split = 0.1, shuffle=False, batch_size=250
                    )

history_dict = history.history
`

数据集由 18 个特征和 1 个标签组成，它是一个回归任务。

标签： pythontensorflowmachine-learningkerasneural-network

解决方案

您只需将其添加到您的compile行中。

model.compile(loss = 'mse', optimizer = optimizer, metrics = ['mse', r2_score])

如果你想这样做，你需要创建一个 keras 可以理解的指标，

import tf.keras.backend as K

def r2_score(y_true, y_pred):
    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()) )

代码取自kaggle

抱歉，我忘了添加 Tensorboard 部分。

如果您想在训练期间查看损失/指标的演变，您可以使用 Tensorboard，如doc

logdir = "logs/" + datetime.now().strftime("%Y%m%d-%H%M%S")
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=logdir)


history = model.fit(X_train, y_train, epochs = 100,
                    validation_split = 0.1, shuffle=False, batch_size=250, calllbacks=[tensorboard_callback])

然后在终端中使用这条线访问 Tensorboard

tensorboard --logdir logs

然后，您可以通过以下方式访问浏览器上的 tensorboardlocalhost:6006

推荐阅读