CNN分类中验证损失减少，验证准确率下降答案

【问题标题】：Validaton loss decrease and validation accuracy decrease in CNN classificationCNN分类中验证损失减少，验证准确率下降
【发布时间】：2019-11-24 23:42:06
【问题描述】：

我在 2 个类别上训练分类（产卵的鱼或不是来自比例图像）。数据集不平衡。生成的鳞片只有 5%。

我没有检查每个训练/验证/测试集中有多少产卵鱼，但有 9073 张图像。拆分为 70/15/15 %。然后我在 epoke 2 中观察到 val_loss 减少而 val_acc 减少。这怎么可能？

我正在使用 Keras。该网络是来自 github.com/qubvel 的 EfficientNetB4。

1600/1600 [==============================] - 1557s 973ms/step - loss: 1.3353 - acc: 0.6474 - val_loss: 0.8055 - val_acc: 0.7046

Epoch 00001: val_loss improved from inf to 0.80548, saving model to ./checkpoints_missing_loss2/salmon_scale_inception.001-0.81.hdf5
Epoch 2/150
1600/1600 [==============================] - 1508s 943ms/step - loss: 0.8013 - acc: 0.7084 - val_loss: 0.6816 - val_acc: 0.6973

Epoch 00002: val_loss improved from 0.80548 to 0.68164, saving model to ./checkpoints_missing_loss2/salmon_scale_inception.002-0.68.hdf5

编辑：这是另一个示例 - 只有 1010 张图像，但其平衡 - 50/50。

Epoch 5/150
1600/1600 [==============================] - 1562s 976ms/step - loss: 0.0219 - acc: 0.9933 - val_loss: 0.2639 - val_acc: 0.9605

Epoch 00005: val_loss improved from 0.28715 to 0.26390, saving model to ./checkpoints_missing_loss2/salmon_scale_inception.005-0.26.hdf5
Epoch 6/150
1600/1600 [==============================] - 1565s 978ms/step - loss: 0.0059 - acc: 0.9982 - val_loss: 0.4140 - val_acc: 0.9276

Epoch 00006: val_loss did not improve from 0.26390
Epoch 7/150
1600/1600 [==============================] - 1561s 976ms/step - loss: 0.0180 - acc: 0.9941 - val_loss: 0.2379 - val_acc: 0.9276

和 val_loss 以及 val_acc 减少。

【问题讨论】：

标签： machine-learning keras deep-learning classification loss-function

【解决方案1】：

如果你有这样一个不平衡的数据集，模型首先将所有的东西都归为多数类，得到相对较高的准确率，但所有的概率都分配给了多数类。原因是因为反向传播路径很短，所以最终的bias可以很快被学习到。

在训练的后期，模型基本上找到了不将输入与多数类进行分类的理由。此时模型开始出错，准确率下降，但概率分布更均匀，因此从损失的角度来看，误差更小。

对于这样一个不平衡的数据集，我宁愿跟踪 F-measure 而不是准确率。

【讨论】：

是的，我在测试集上计算 Precsision、recall 和 F1，但 keras 中没有 F 度量 - 所以准确度很方便。
问题被否决了，但我发现了另一个例子，其中数据集是平衡的 - 但很小 - 其中 val_loss 和 val_acc 减少。