当我运行以下代码时，我收到了

ValueError: 模型未配置计算准确率。您应该在 model.compile() 方法中传递 metrics=["accuracy"]。

我的代码如下：

def create_network():    model = models.Sequential()    model.add(layers.Dense(64, activation='relu', input_shape=(X.shape[1],)))    model.add(layers.Dense(64, activation='relu'))    model.add(layers.Dense(1))    model.compile(optimizer='rmsprop',                  loss='mse',                  metrics=['mae'])    return modelfrom keras.wrappers.scikit_learn import KerasClassifierneural_network = KerasClassifier(build_fn=create_network,                                  epochs=100,                                  batch_size=10,                                  verbose=1)X=feature_normalization(X)[0]from sklearn.model_selection import cross_val_scorecross_val_score(neural_network, X, y, cv=4)

但我在回归模型中无法使用准确率。有什么方法可以让我继续使用 cross_val_score，而不用从头开始编写 k 折交叉验证代码，如下所示：

for i in range(k):    print(f'正在处理第 {i} 折')    X_test = X[i * num_val_samples: (i+1) * num_val_samples]    y_test = y[i * num_val_samples: (i+1) * num_val_samples]    X_train = np.concatenate([X[:i * num_val_samples],                              X[(i+1) * num_val_samples:]],                              axis=0)    y_trains = np.concatenate([y[:i * num_val_samples],                              y[(i+1)*num_val_samples:]],                              axis=0)    model = create_network()    model.fit(X_train,              y_train,              epochs=num_epochs,              batch_size=10,              verbose=1)    val_mse, val_mae = model.evaluate(X_test, y_test, verbose=1)    all_scores.append(val_mae)

回答：

Cross_val_score 函数无法识别 keras 模型中使用的度量标准，默认情况下它是 None，尝试在 cross_val_score 中添加 scoring=’accuracy’ 参数