Keras - 应该使用什么准确度指标以及 sparse_categorical_crossentropy 来编译模型

Question

当我有 2 个类时，我使用 binary_crossentropy 作为 loss 这样的值来编译模型：

model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['accuracy'])

但现在我有 5 个课程，而且我没有使用热编码功能。所以我选择sparse_categorical_crossentropy 作为loss 值。但是，keras metric 源代码建议的准确度指标应该是多少，有多个可用的准确度指标。我试过了：

model.compile(optimizer='rmsprop', loss='sparse_categorical_crossentropy', metrics=['sparse_categorical_accuracy'])

那么它是正确的还是我应该只使用categorical_accuracy？

Answer 1

sparse_categorical_accuracy 是一个正确的指标 sparse_categorical_entropy.

但是你为什么使用sparse_categorical_entropy？你有什么样的课程？ sparse_categorical_entropy 用于 Integer 输出。但是如果你有一个one-hot-encoded目标，你应该使用categorical_crossentropy作为损失函数和accuracy或categorical_accuracy作为metrics时间>。

---

更新：
为您的分类问题使用以下代码：

model.add(Dense(5, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])