我在谷歌上搜索过，但没有找到如何在Keras中将Sklearn的指标（如Cohen Kappa、ROC、F1分数）作为不平衡数据的评估指标实现的方法。
如何在Keras中实现Sklearn指标作为评估指标？
回答：
Keras和Sklearn中的指标含义不同。
在Keras中，指标几乎与损失函数相同。它们在训练过程中会在每个批次和每个周期结束时被调用，用于报告和记录目的。例如，你可以使用’mse’作为损失函数，但你可能还想查看’mae’。在这种情况下，你可以将’mae’作为评估指标添加到模型中。
在Sklearn中，指标函数是根据预测结果应用的，定义为“指标模块实现了用于特定目的评估预测误差的函数”。虽然有一定的重叠，但Sklearn的统计函数并不符合Keras中指标的定义。Sklearn的指标可以返回浮点数、数组、二维数组（两个维度都大于1）。在Keras中，预测方法没有这样的对象。
回答你的问题：
这取决于你想在哪里触发：
- 每个批次或每个周期结束时
你可以编写一个自定义回调函数，在批次结束时触发。 - 预测之后
这似乎更简单。让Keras对整个数据集进行预测，捕获结果，然后将y_true和y_pred数组输入到相应的Sklearn指标中。
