近似罪中的奇怪准确度得分答案

【问题标题】：Weird accuracy score in approximation sin近似罪中的奇怪准确度得分
【发布时间】：2020-11-18 04:15:47
【问题描述】：

我正在学习 keras 并试图近似 sin。一切似乎都很好，我的损失减少了。但问题是准确性不会改变。代码如下：

from tensorflow import keras
from keras.layers import Dense
import numpy as np

X = np.linspace(0,10,100)
y = np.sin(X)

model = keras.Sequential([
    Dense(100,input_shape=(1,), activation='linear',name='relu'),
    Dense(100,activation='relu', name='layer_2'),
    Dense(1,activation='tanh', name='layer_3')
])

model.compile(loss='mse',optimizer='adam',metrics=['accuracy'])
model.summary()
history = model.fit(X,y,epochs=100, batch_size = 2,verbose=0,validation_split=0.2)

这是我得到的图形：

【问题讨论】：

准确率是一个分类指标，在回归任务中没有意义，比如这个。

标签： python machine-learning keras neural-network

【解决方案1】：

使用loss='mse'，由于它不是分类任务，因此准确度会变得很奇怪。通常在执行回归任务时，您不会输入metrics=['accuracy']。我建议不要担心，因为您的损失正在减少。

【讨论】：

是的，但问题是这不是分类问题。这是一种回归，这就是我使用 mse 和准确度的原因
@EugeneKartashev 请仔细阅读答案（坦率地说，本可以更好地措辞）。