从混淆矩阵获得的每个类的metrics=accuracy和precision有什么区别？
准确度和精确度之间有关系吗？
如何计算每个类的精度损失？例如，如果第 1 类的精度为 0.95，我的损失为 0.05？
【问题讨论】：
标签： python-3.x keras neural-network deep-learning
metrics=accuracy 和precision 之间有什么区别 从混淆矩阵得到的类？
准确率 =（正确预测）/（案例总数）
Precision =（真阳性）/（阳性预测总数）
如何根据每个类的精度计算损失？
必须根据为您的网络定义的损失函数（例如 binary_crossentropy）计算损失。
【讨论】：
准确度：是模型做出的所有预测中正确预测的比例。 IE。
no. of correct predictions / no. of total predictions
Precision：是模型做出的所有正预测中正确正预测的比例，即
no. of correct positives/ no. of total positive predictions
也等于
no. of correct positives/ (no. of correct positives + no. of wrong positives)
您还需要考虑第三个指标
Recall：是在实际阳性数据中做出的正确阳性预测的一小部分，即
correct positive predictions/actual positives
如果您的数据是平衡的，即每个类中的实例数量几乎相同，那么您可以使用准确度，否则您可以根据在正类中分类实例或负类更重要来使用精度或准确度
损失和精度或上述任何参数之间没有直接关系，因为这些参数是根据预测计算的，但损失是根据每个类别的预测概率计算的。当我们根据概率进行预测时，我们会选择概率最高的类别，因此我们会丢失有关它的信息，因此我们无法从预测返回到概率。
【讨论】：