Im训练分为2类（是否从比例尺图像中生成鱼）。数据集不平衡。生成的比例只有5％。
我检查了每个训练/验证/测试集中有多少条产卵的鱼，但是有9073张图像。分成70/15/15％。然后我在第2代中观察到val_loss降低而val_acc降低。那怎么可能？
我正在使用Keras。该网络是github.com/qubvel的EfficientNetB4。
1600/1600 [==============================] - 1557s 973ms/step - loss: 1.3353 - acc: 0.6474 - val_loss: 0.8055 - val_acc: 0.7046
Epoch 00001: val_loss improved from inf to 0.80548, saving model to ./checkpoints_missing_loss2/salmon_scale_inception.001-0.81.hdf5
Epoch 2/150
1600/1600 [==============================] - 1508s 943ms/step - loss: 0.8013 - acc: 0.7084 - val_loss: 0.6816 - val_acc: 0.6973
Epoch 00002: val_loss improved from 0.80548 to 0.68164, saving model to ./checkpoints_missing_loss2/salmon_scale_inception.002-0.68.hdf5
编辑：这是另一个示例-仅1010张图像，但平衡-50/50。
Epoch 5/150
1600/1600 [==============================] - 1562s 976ms/step - loss: 0.0219 - acc: 0.9933 - val_loss: 0.2639 - val_acc: 0.9605
Epoch 00005: val_loss improved from 0.28715 to 0.26390, saving model to ./checkpoints_missing_loss2/salmon_scale_inception.005-0.26.hdf5
Epoch 6/150
1600/1600 [==============================] - 1565s 978ms/step - loss: 0.0059 - acc: 0.9982 - val_loss: 0.4140 - val_acc: 0.9276
Epoch 00006: val_loss did not improve from 0.26390
Epoch 7/150
1600/1600 [==============================] - 1561s 976ms/step - loss: 0.0180 - acc: 0.9941 - val_loss: 0.2379 - val_acc: 0.9276
和val_loss以及val_acc减小。
答案 0 :(得分：1)
如果您有这样一个不平衡的数据集，则模型首先将所有内容归类为多数类，从而获得相对较高的准确性，但是所有概率均分配给多数类。原因是因为反向传播路径很短，所以可以很快了解最终偏差。
在训练的后期阶段，模型基本上找到了不按多数类别对输入进行分类的原因。此时，模型开始出现错误，精度下降，但概率分布更均匀，因此从损失的角度来看，误差较小。
对于这样一个不平衡的数据集，我宁愿跟踪F度量而不是准确性。