在Keras中可以定义自己的评估函数吗？

根据这个讨论线程：https://datascience.stackexchange.com/questions/49109/loss-val-loss-are-decreasing-but-accuracies-are-the-same-in-lstm，当我们在Keras中训练神经网络时使用metrics='accuracy'，幕后发生的事情是：

if metric in ('accuracy', 'acc'):    metric_fn = metrics_module.binary_accuracy

其中

def binary_accuracy(y_true, y_pred):    return K.mean(K.equal(y_true, K.round(y_pred)), axis=-1)

在我的模型中，我处理的是连续数据，对于这种情况，使用不同的评估函数会更合适。是否可以将这个预定义的度量改为自定义的度量？

回答：

我找到了答案。我们可以按以下方式定义我们的度量：

def my_metric(y_true, y_pred):    ...

然后就可以这样使用它：

model.compile(optimizer='...', loss='...', metrics=[my_metric])

学技术