TensorFlow回归模型验证阶段如何配置R2分数评估指标？

TensorFlow并没有内置可直接通过字符串（比如'r2_score'）调用的R²指标，你需要通过以下两种方式实现：

方法1：自定义R²指标类 #

通过继承tf.keras.metrics.Metric实现符合TensorFlow规范的R²指标，它会正确累积验证集的整体计算结果，而非按批次计算后取平均：

import tensorflow as tf

class R2Score(tf.keras.metrics.Metric):
    def __init__(self, name='r2_score', **kwargs):
        super().__init__(name=name, **kwargs)
        self.ss_res = self.add_weight(name='ss_res', initializer='zeros')
        self.ss_tot = self.add_weight(name='ss_tot', initializer='zeros')

    def update_state(self, y_true, y_pred, sample_weight=None):
        y_true = tf.cast(y_true, tf.float32)
        y_pred = tf.cast(y_pred, tf.float32)
        
        # 计算残差平方和与总平方和
        ss_res = tf.reduce_sum(tf.square(y_true - y_pred))
        ss_tot = tf.reduce_sum(tf.square(y_true - tf.reduce_mean(y_true)))
        
        self.ss_res.assign_add(ss_res)
        self.ss_tot.assign_add(ss_tot)

    def result(self):
        # 避免真实值全部相同时除以0的错误
        return tf.where(self.ss_tot == 0, 0.0, 1 - (self.ss_res / self.ss_tot))

    def reset_state(self):
        # 重置指标状态，用于新一轮验证计算
        self.ss_res.assign(0.0)
        self.ss_tot.assign(0.0)

使用时直接传入类的实例：

model.compile(loss='mse',
              optimizer='adam',
              metrics=[R2Score()])

方法2：使用TensorFlow Addons预实现的R²指标 #

TensorFlow Addons库提供了现成的RSquare指标，先安装依赖：

pip install tensorflow-addons

导入后直接使用：

import tensorflow_addons as tfa

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

注意事项 #

• 不要用简单的函数式指标（比如直接计算1 - mse/var），这类方式会按批次计算R²后取平均，结果和整个验证集的真实R²存在偏差。

内容的提问来源于stack exchange，提问作者Nabat Farsi