Keras 如何计算多类分类问题的验证准确率和训练准确率？答案

【问题标题】：How does Keras compute validation accuracy and training accuracy for multi-class classification problems?Keras 如何计算多类分类问题的验证准确率和训练准确率？
【发布时间】：2018-07-20 18:14:55
【问题描述】：

我想知道 Keras 如何计算多类分类问题（即使用的函数）的验证和训练精度。我设置我的模型编译如下：

model.compile(optimizer=Adam(lr=0.001), loss='categorical_crossentropy', metrics=['accuracy'])

但我想了解如何计算验证准确度和训练准确度（即显式公式）。

我知道验证和训练损失由categorical_crossentropy 决定，但我不确定准确度。

注意：这不是 post 的副本。我的问题是寻找 Keras 用于计算准确性的 Python 函数的解释，而不是上述帖子中给出的理论细节。

【问题讨论】：

标签： python machine-learning deep-learning keras

【解决方案1】：

您可以在 Keras github 存储库中找到指标 file 及其实现。在这种情况下，以下指标适用：

def categorical_accuracy(y_true, y_pred):
    return K.cast(K.equal(K.argmax(y_true, axis=-1),
                          K.argmax(y_pred, axis=-1)),
                          K.floatx())

这通过检查预测类是否与真实类相同来计算单个 (y_true, y_pred) 对的准确度。它这样做是为了比较 y_pred 向量中得分最高的类的索引和 y_true 向量中实际类的索引。它返回 0 或 1。

它使用这个函数计算数据集的整体准确度，通过使用常规的准确度公式，定义为

(amount of correct guesses)/(total amount of guesses)

【讨论】：