我正在研究这两个问题和文件:
Whats the output for Keras categorical_accuracy metrics?
Categorical crossentropy need to use categorical_accuracy or accuracy as the metrics in keras?
https://keras.io/api/metrics/probabilistic_metrics/#categoricalcrossentropy-class
对于X射线图像的分类I(15类),我做:
# Compile a model
model1.compile(optimizer = 'adam', loss = 'categorical_crossentropy',
metrics = ['accuracy'])
# Fit the model
history1 = model1.fit_generator(train_generator, epochs = 10,
steps_per_epoch = 10, verbose = 1, validation_data = valid_generator)
我的模型工作正常,我有一个输出:
但我不知道如何在这里添加验证准确性,以比较结果并避免过度/欠拟合
我希望以下内容可以帮助您:
使用
"categorical_crossentropy"
告诉我标签是不同类上的一个热编码假设你有15个类,正确的预测应该是一个有14个零的向量,在相应的索引处有一个。在这种情况下
"accuracy"
将非常高,因为您的模型将正确地预测几乎处处为零,因此准确度应该至少为13/15=0.86一个更合适的度量是
"categorical_accuracy"
,如果模型预测了正确的索引,那么它将为1,否则为0如果您的验证
"categorical_accuracy"
优于1/15=0.067(假设您的类已正确平衡),则您的模型优于random您可以在keras metrics找到度量的列表
相关问题 更多 >
编程相关推荐