Metric

~8 min · training

Level 0Keras 도제

0 XP0/97 lessons0/20 achievements

0/120 XP to next level120 XP to go0% complete

Loss 와 Metric 의 차이: loss 는 *학습 시 minimize 대상*, metric 은 *모니터링용*. accuracy 는 미분 불가능해서 loss 로 못 쓰지만 metric 으론 OK. AUC, Precision, Recall, F1 도 metric.

compile 의 metrics 인자에 list 로 — ['accuracy', 'auc']. multi-output model 은 dict 으로 — metrics={'class_head': 'accuracy', 'box_head': 'mse'}. callback 의 monitor 는 metric 이름 매칭. 'val_accuracy' 처럼 'val_' prefix 가 validation 의 그 metric.

Code

model.compile(
    optimizer="adam",
    loss="sparse_categorical_crossentropy",
    metrics=[
        "accuracy",
        keras.metrics.SparseCategoricalAccuracy(name="acc"),
        keras.metrics.AUC(name="auc"),
        keras.metrics.Precision(name="precision"),
        keras.metrics.Recall(name="recall"),
        keras.metrics.F1Score(name="f1"),
    ],
)

External links

Exercise

binary classifier 를 metrics=['accuracy', keras.metrics.AUC(), keras.metrics.Precision(), keras.metrics.Recall()] 로 compile. 한 epoch 학습, log 의 4 metric 검사.

Progress

Progress is local-only — sign in to sync across devices.

← PreviousLoss 함수 Next →model.fit()

이 페이지에서 버그를 발견하셨거나 피드백이 있으세요?문제 신고

🔔 답글 알림 (로그인 필요)

로그인 — 댓글을 남기려면 로그인해 주세요.

아직 댓글이 없어요. 첫 댓글을 남겨보세요.