R_squared 與 epochs

Question

早上好，我是一名 Python 初學者，我正在嘗試構建我的第一個神經網絡。 有沒有辦法繪制 R2 進化與時代的關系？ 我通過以下方式評估 R2： r2_score(y_test_pred, y_test) 。 我以這種方式構建了一個完全連接的神經網絡：

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
`

數據集由 18 個特征和 1 個標簽組成，是一個回歸任務。

Answer 1

你只需要在你的compile行中添加它。

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

如果你想這樣做，你需要創建一個 keras 可以理解的指標，

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()) )

代碼取自kaggle

抱歉我忘了添加 Tensorboard 部分。

如果您想在訓練期間查看損失/指標的演變，您可以使用 Tensorboard，如文檔中所示

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])

然后在終端中使用此行訪問 Tensorboard

tensorboard --logdir logs

然后，您可以通過訪問localhost:6006在瀏覽器上訪問 tensorboard