神经网络度量函数如何工作？

Question

这里是 keras 度量函数定义：

def binary_accuracy(y_true, y_pred):
  return K.mean(K.equal(y_true, K.round(y_pred)), axis=-1)


def categorical_accuracy(y_true, y_pred):
  return K.cast(
      K.equal(K.argmax(y_true, axis=-1), K.argmax(y_pred, axis=-1)), K.floatx())

例如，如果我的 NN 具有 2 个神经元的输出层，则可以是： [0, 1] 或 [1, 0] 并使用 metrics=binary_accuracy

当我运行我的 NN 进行训练时，它总是显示每个批次的一些准确度值。这个怎么算？是不是，当预测值大于 0.5 时为 1，当该值小于 0.5 时为 0？

Answer 1

正如您所知道的，有许多可能的方法来定义一个准确性，通常很难说最好的解决方案是什么。这还取决于您以后将如何使用该网络。

但以 binary_accuracy 为例，它确实将 rounded 预测与二进制训练数据进行了比较。现在这并不意味着当输出 > 0.5 时精度为 1。这意味着当输出和训练目标之间的差异

换句话说：当输出接近应有的水平时，网络是准确的。