Keras度量中的二元精度，将一个样本预测为正例和负例的阈值是多少？

Question

keras中的二元分类指标binary_accuracy在预测一个样本为阳性或阴性时，使用的阈值是多少？该阈值是否为0.5？如何进行调整？我想将阈值设为0.80，如果预测值为0.79，则被视为负样本；否则，如果预测值为0.81，则被视为正样本。

- jing

---

在这里提问之前，请确保您已经确定了最佳的提问方式（以及改进了英语）。因此，请查看如何创建一个最小、完整和可验证的示例并适当地更新它，好吗？ - diogo

Answer 1

binary_accuracy 没有阈值参数，但您可以轻松地自行定义一个。

import keras
from keras import backend as K

def threshold_binary_accuracy(y_true, y_pred):
    threshold = 0.80
    if K.backend() == 'tensorflow':
        return K.mean(K.equal(y_true, K.tf.cast(K.lesser(y_pred,threshold), y_true.dtype)))
    else:
        return K.mean(K.equal(y_true, K.lesser(y_pred,threshold)))

a_pred = K.variable([.1, .2, .6, .79, .8, .9])
a_true = K.variable([0., 0., 0.,  0., 1., 1.])

print K.eval(keras.metrics.binary_accuracy(a_true, a_pred))
print K.eval(threshold_binary_accuracy(a_true, a_pred))

现在你可以使用它作为metrics=[threshold_binary_accuracy]。

- indraforyou

---

那么，如果将threshold=0.5，他们应该得到与仅使用默认的“accuracy”度量相同的值，对吗？但是当我这样做时，我得到了非常不同的值... - Monica Heddneck

def binary_accuracy(y_true, y_pred, threshold=0.5): threshold = math_ops.cast(threshold, y_pred.dtype) y_pred = math_ops.cast(y_pred > threshold, y_pred.dtype) return K.mean(math_ops.equal(y_true, y_pred), axis=-1)在Tensorflow中似乎很常见，但在Keras中不是。这个函数与Keras中的普通二元准确度完全相同。遇到了和你一样的问题，建议的方法肯定有问题。 - Axl

@MonicaHeddneck，这个问题有什么进展吗？ - ace

Answer 2

为了回答最初的问题，Keras使用round函数来分配类别，因此阈值为0.5。

https://github.com/fchollet/keras/blob/master/keras/metrics.py

def binary_accuracy(y_true, y_pred):
    return K.mean(K.equal(y_true, K.round(y_pred)))

- Avedis

Answer 3

如果您使用tf 2，可以更快地使用tf.keras.metrics.BinaryAccuracy()，它具有内部的threshold参数，您可以设置该参数。

- Tommaso Di Noto