机器学习：计算二进制标签的准确度分数是否总是导致准确度分数低？答案

【问题标题】：Machine Learning: Does computing the accuracy score for binary labels always result in a low accuracy score?机器学习：计算二进制标签的准确度分数是否总是导致准确度分数低？
【发布时间】：2017-06-24 20:24:27
【问题描述】：

如果我有 2 个标签（1 和 0），并且在我通过 softmax 激活层传递我的 logits 后，我会得到类似：

[[0.1, 0.9],
[0.3, 0.7],
[0.333, 0.667]]

作为预测输出，而我的标签只有 1 或 0，这是否总是导致准确性低？意思是说，如果我有更多的类，我的 softmax 层会给我每个类接近 1 或 0 的结果，这会给我更高的准确度分数吗？

此外，如果我想使用准确性作为我的指标，有没有办法将我的概率缩放到 0 或 1？这是否可以通过在 TensorFlow 中应用一个掩码来完成，该掩码在概率达到 0.5 或更高时输出布尔值？

【问题讨论】：

标签： python machine-learning tensorflow computer-vision deep-learning

【解决方案1】：

在 softmax 层之后，您的概率在 0..1 范围内，所以如果你想检查你的标签是否只有 0 或 1 的准确性，你必须转换概率

如果 pred>0.5 那么 pred=1 如果 pred

【讨论】：