Keras如何计算准确性？

Keras如何从类别概率计算准确性？假设，例如，测试集中有100个样本，它们可以属于两个类别之一。我们也有一个类概率列表。Keras使用什么阈值将样本分配给两个类别中的任何一个？

neural-network deep-learning keras

— 拉古拉姆
source

您在喀拉拉邦使用model.evaluate吗？

— Hima Varsha

是的，我正在使用model.evaluate。更具体地说，是model.evaluate_generator。

— 拉古拉姆

— 希马Varsha

可能相关@SO：Keras 如何评估准确性？）

— desertnaut

对于二进制分类，准确性度量的代码为：

K.mean(K.equal(y_true, K.round(y_pred)))

这表明0.5是区分类别的阈值。在这种情况下，y_true当然应该为1-hots。

类别分类有些不同：

K.mean(K.equal(K.argmax(y_true, axis=-1), K.argmax(y_pred, axis=-1)))

这意味着“预测与真实值在同一位置出现最大值的频率”

top-k类别准确性也有一个选项，与上面的选项类似，但是计算目标类别在top-k预测内的频率。

— 米哈伊尔·尤拉索夫（Mikhail Yurasov）
source

谢谢你的回答。这是否意味着即使对于二进制分类，标签也需要进行一次热编码？

— 拉古拉姆

@Raghuram不，对于二进制分类，您只需要0或1作为类，就不需要对其进行热编码。由于K.mean（K.equal（y_true，K.round（y_pred）））在每种情况下都将匹配2个浮点值，因此它必须为0或1，而不是[0,1]，[1,0]。

— Divyanshu Kalra

要获得绝对准确度，请使用categorical_accuracy。

— Shital Shah

对于多类问题（具有两个以上的类），使用“准确性”与“ categorical_accuracy”之间是否有区别

— Quetzalcoatl