多标签分类KERAS度量 [英] Multi-label classification Keras metrics

问题描述

在KERAS中，哪些指标更适合多标签分类：accuracy或categorical_accuracy？显然，在这种情况下，最后一个激活函数是sigmoid，而AS损失函数是binary_crossentropy。

推荐答案

我不会对类别不平衡的分类任务使用准确性。 尤其是对于多标签任务，您可能会认为您的大多数标签都是假的。也就是说，与所有可能的标签的基数相比，每个数据点只能有一小部分标签。 因此，准确性不是一个好的衡量标准，如果您的模型预测全部为假(Sigmoid激活输出<；0.5)，则您将测量非常高的精度。

我将分析每个时期的AUC或召回/精度。 或者，多标签任务可以被视为排名任务(如推荐系统)，您可以评估精度@k或召回@k，其中k是排名靠前的预测标签。

如果您的Kera后端是TensorFlow，请查看此处支持的指标的完整列表：https://www.tensorflow.org/api_docs/python/tf/keras/metrics。

这篇关于多标签分类KERAS度量的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！