准确度指标的目的答案

【问题标题】：The Accuracy Metric Purpose准确度指标的目的
【发布时间】：2019-04-12 16:26:32
【问题描述】：

我正在使用 Keras 构建 CNN，但我对准确度指标的确切作用产生了误解。

我做了一些研究，它似乎返回了模型的准确性。这些信息具体存储在哪里？这个指标会影响 epoch 结果吗？

我找不到任何可以深入描述准确度指标的实际作用的资源。使用此指标对我的结果有何影响？

      model.compile(
               loss="sparse_categorical_crossentropy",
               optimizer='adam',
               metrics=['accuracy']
               )

Keras 文档没有解释这个指标的目的。

【问题讨论】：

标签： python keras conv-neural-network

【解决方案1】：

如果您有问题，检查Keras source code 会更容易，因为任何深度学习框架的文档都很差。

首先，你需要find如何处理字符串表示：

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

这遵循metric 模块，其中categorical_accuracy 函数是defined：

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())

很明显，该函数返回一个张量，并且只是在日志中显示的一个数字，所以there is 一个包装函数，用于处理带有比较结果的张量：

weighted_metric_fn = weighted_masked_objective(metric_fn)

这个包装函数contains 计算最终值的逻辑。由于没有定义权重和掩码，因此只使用了简单的平均：

return K.mean(score_array)

所以，结果有一个等式：

P.S.我有点不同意@VnC，因为准确度和精确度是不同的术语。准确率表示分类任务中正确预测的比率，准确率表示正预测值的比率 (more)。

【讨论】：

【解决方案2】：

它仅用于报告您的模型性能，不应以任何方式影响它，例如你的预测有多准确。

准确度基本上意味着精度：

precision = true_positives / ( true_positives + false_positives )

我建议使用f1_score (link)，因为它结合了精度和召回率。

希望能解决这个问题。

【讨论】：

【解决方案3】：

任何指标都是模型预测和基本事实的函数，与损失相同。模型的准确性本身是没有意义的，它不仅是模型的属性，也是正在评估模型的数据集的属性。

准确度尤其是用于分类的指标，它只是正确预测的数量（预测等于标签）与数据集中数据点总数之间的比率。

在训练/评估期间评估的任何指标都是为您提供的信息，不用于训练模型。只有损失函数用于权重的实际训练。

【讨论】：