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