Keras精确率与sklearn precision_score参数匹配及zero_division=1效果

通过Keras配置模型时，可在编译阶段直接挂载精确率评估指标，对应代码如下：

model.compile(optimizer='sgd',
          loss='mse',
          metrics=[tf.keras.metrics.Precision()])

技术问题解答 #

匹配Keras计算结果的Sklearn参数取值 #

默认参数下的tf.keras.metrics.Precision()，是对模型输出以0.5为阈值做二值化后，仅统计正类的TP、FP计算单类精确率，公式为 Precision = TP / (TP + FP)。
在给定的可选average参数中，应选取**none**：

• 传入average='none'时，sklearn会返回每个类别单独计算的精确率数组，其中索引为1的正类精确率，与Keras端的计算结果完全一致。
• 其余参数均不匹配：micro是全局聚合所有类别的TP、FP计算的单值结果，逻辑与单类统计不符；macro、weighted是多类精确率的算术平均/样本量加权平均结果，属于聚合指标，无法对应单类精确率的计算结果。

zero_division=1的实际效果 #

执行precision_score(y_true, y_pred, average=None, zero_division=1)时，参数的实际作用为：
当某一类别出现分母为0的场景（即模型从未将样本预测为该类别，该类的TP=0、FP=0），不会抛出分母为0的警告，也不会返回默认的0值，而是直接将该类的精确率设为1。该参数仅影响零分母场景的取值，不改变正常非零分母场景下的精确率计算结果。 #

内容的提问来源于stack exchange，提问作者user14251114