這是 Keras 模型的最后一層。model.add(Dense(3, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])我知道softmax層的輸出是一個數組，概率總和為1，比如[0.1, 0.4, 0.5].我有一個關于使用準確性作為指標的問題。例如，當真實類別為[0, 0, 1]且預測概率為 時[0.1, 0.4, 0.5]，即使0.5是最大概率，此預測的準確度也應為0，因為0.5 != 1. 那是對的嗎？更一般地，當輸出層激活為 時softmax，我們通常會得到浮動概率預測，并且在極少數情況下我們會得到 [0, 0, 1]像 所以我們在使用as activation的時候不能用accuracyas metric softmax。那是對的嗎？
1 回答
墨色風雨
TA貢獻1853條經驗 獲得超6個贊
eg，當真實類別為[0, 0, 1]，預測概率為[0.1, 0.4, 0.5]時，即使0.5是最大概率，這個預測的準確率也應該是0，因為0.5 != 1。是那對嗎？
不，您將具有最大值的索引視為模型的預測。因此，在您的示例中，此示例預測將有助于提高準確性。這通常稱為 Top-1 精度。在圖像分類中，也經常使用 Top-5 精度（softmax 層中的前 5 個最大值被視為 NN 的猜測，并考慮它們的精度）。
更一般地，當輸出層激活為 softmax 時，我們通常會得到浮動概率預測，并且在極少數情況下我們會得到像 [0, 0, 1] 這樣的整數概率預測。所以我們在使用 softmax 作為激活時不能使用準確性作為度量。那是對的嗎？
從技術上講，您永遠不會獲得 softmax 層輸出的整數值，因為類型是 float。但是，是的，獲得 [0.0, 0.0, 1.0] 的機會非常小。而你的這個假設是不正確的，因為前提不成立。然而，當使用 Softmax 作為神經網絡的分類層時，準確性是一個有效的指標。
添加回答
舉報
0/150
提交
取消