分类准确度

Question

分类准确度如何工作？根据定义

categorical_accuracy 检查最大值的索引是否为真 value 等于最大预测值的索引。

和

计算所有预测的平均准确率 多类分类问题

这在实践中意味着什么？假设我是对象的预测边界框

它有 (xmin,ymin,xmax,ymax) 是否检查预测的 xmin 是否与实际的 xmin 相等？因此，如果 i xmin 和 xmax 的预测值和实际值相同，而 ymin 和 ymax 不同，我会得到 50%？

请帮我理解这个概念

Answer 1

传统上，对于多类分类，您的标签将具有一些整数（或等效分类）标签；例如：

labels = [0, 1, 2]

多类分类预测的输出通常是置信度的概率分布；例如：

preds = [0.25, 0.5, 0.25]

通常与最有可能的事件关联的索引将是标签的索引。在这种情况下，argmax(preds) 为 1，映射到标签 1。

您可以通过confusion matrices 看到您的预测的总准确度，其中一个轴是“真实”值，另一个轴是“预测”值。每个单元格的值是CM[y_true][y_pred] 值的总和。准确率将是矩阵的主对角线 (y_true = y_pred) 与训练实例总数的总和。