Keras如何评估多标签问题的准确性？

Question

我对7个标签进行了KERAS多标签分类，验证准确度为97.5％，这看起来不错。但是我问自己，准确度值是如何计算的。

如果KERAS获得标签并进行预测，那么如何计算预测值？

给KERAS的示例标签： [0,1,0,0,1]

KERAS对示例标签的预测： [0,1,1,0,1]

我看到三种不同的评估方法：

1. KERAS说准确率是80％，因为正确预测了5个值中的4个。
2. KERAS说，累加率是0％，这是因为通常认为Vector不正确。
3. KERAS取每个值的概率并计算平均值。

model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

有人知道如何计算精度吗？

谢谢 塞巴

Answer 1

可能是因为您需要对问题进行更多的定义，这是一本好书，可以使您获得更多的了解：https://github.com/sagr4019/ResearchProject/wiki/General-Terminology#difference-between-accuracy-and-categorical_accuracy

因此，这取决于您的准确度。我认为您具有绝对的准确性，因此它将基于此https://github.com/sagr4019/ResearchProject/wiki/Keras-accuracy-(metrics)#categorical-accuracy：

分类准确性：

此指标使用K.argmax方法比较指标的索引 最大真实值，带有最大预测值的索引。在 换句话说：“ 预测在多大程度上与同一位置出现最大值 真实值”。