在R中使用Keras compile()时如何查看内置完整指标列表？

一、查看完整内置指标列表 #

R的Keras是对Python Keras的封装，所有内置指标直接映射自Python端，你可以通过两种方式获取完整列表：

• 调用keras::metrics_all()函数，会返回所有可用内置指标的名称与对应说明
• 查看?metrics帮助文档，里面不仅列出常用指标，还明确说明可直接使用Python Keras中的指标名称

二、二分类场景常用内置指标 #

针对你的二分类任务，除accuracy外，可直接使用的相关内置指标包括：

• true_positives：真阳性数
• true_negatives：真阴性数
• false_positives：假阳性数
• false_negatives：假阴性数
• precision：精确率
• recall：召回率
• auc：ROC曲线下面积
• binary_accuracy：二分类准确率（与accuracy在二分类场景下效果一致）

三、编译模型时使用这些指标的示例 #

你可以将指标名称以字符串或向量形式传入metrics参数，示例如下：

library(keras)

model1 %>% compile(
  loss = "binary_crossentropy",
  optimizer = "rmsprop",
  metrics = c("accuracy", "true_positives", "true_negatives", "precision", "auc")
)

四、混淆矩阵生成方法（无需自定义指标） #

若后续需要生成混淆矩阵，训练完成后可通过以下步骤实现：

1. 用predict_classes()或predict_proba()获取模型预测结果
2. 结合真实标签，用table()函数生成混淆矩阵：

# 假设y_test为真实标签，x_test为测试集数据
predictions <- predict_classes(model1, x_test)
confusion_matrix <- table(Actual = y_test, Predicted = predictions)
print(confusion_matrix)

内容的提问来源于stack exchange，提问作者zappbran