损耗曲线和度量曲线之间的不一致？

Question

我最近训练了一个分类模型来识别动作。一切正常，但是损耗曲线和精度曲线之间存在一些不一致之处。 损失图中的蓝色是测试损失；紫色的是训练损失。在指标图中，绿色曲线表示训练的准确性；蓝色是测试准确性。

我们可以看到，虽然测试损失趋势趋于恶化，但测试准确性并没有恶化。这使我感到困惑。深度学习是否正常？有什么解释吗？

Answer 1

XY问题：

最重要的是训练和测试准确性之间的差异：您似乎严重过拟合。在大约1k（迭代次数？）的某个地方，您的测试指标（损耗和准确度）大致达到了水平，而培训继续符合培训设置。在进行2k迭代之前，差异表明您的模型不再对通用有效。

实际问题：

准确性是预测分类是否正确的实际问题。这是一个简单的指标：是/否。 51％的信心=>是； 99％的自信=>是。

您的模型达到了大约65％的精度，并且趋于平稳。

损失是预测距离的内部指标。肯定的51％的错误预测只有51％的错误，但是99％的错误的预测几乎是两次错误。这会导致反向传播。

有了这个数据集，当您的模型符合训练集的要求时，其对测试集的 binary 预测仍然大致相同，但是其信心远非二进制正确性。它可能不太确定正确的答案，和/或更确定其错误的预测。两者都会将损失函数推高。