哪些指标是多标签分类更好地Keras：accuracy或categorical_accuracy？显然，在这种情况下，最后一个激活函数为sigmoid和，为损失函数binary_crossentropy。
我不会将Accuracy用于具有不平衡类的分类任务。特别是对于多标签任务，您可能大多数标签都为False。即，与所有可能标签的基数相比，每个数据点只能具有少量标签。因此，准确性不是一个好的指标，如果您的模型预测所有False（S型激活输出<0.5），那么您将获得非常高的准确性。
我会在每个时期分析AUC或召回率/精度。另外，也可以将多标签任务视为排名任务（例如Recommender Systems），您可以评估precision @ k或callback @ k，其中k是预测的最高标签。
如果您的Keras后端是TensorFlow，请在此处查看支持的指标的完整列表：https : //www.tensorflow.org/api_docs/python/tf/keras/metrics。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句