多标签分类 Keras 指标

Question

哪个指标更适合 Keras 中的多标签分类：accuracy或categorical_accuracy？显然，在这种情况下，最后一个激活函数是sigmoid和作为损失函数binary_crossentropy。

Answer 1

我不会将准确性用于具有不平衡类别的分类任务。特别是对于多标签任务，您的大部分标签可能都是 False。也就是说，与所有可能标签的基数相比，每个数据点只能具有一小组标签。因此，准确度并不是一个好的指标，如果您的模型预测全部为 False（sigmoid 激活输出 < 0.5），那么您将测量到非常高的准确度。

我会分析每个时期的 AUC 或召回率/精确度。或者，多标签任务可以被视为排名任务（如推荐系统），您可以评估 precision@k 或 recall@k，其中 k 是最高预测标签。

如果您的 Keras 后端是 TensorFlow，请在此处查看支持的指标的完整列表： https: //www.tensorflow.org/api_docs/python/tf/keras/metrics。

Answer 2

实际上，accuracyKeras 中没有命名的度量标准。当您metrics=['accuray']在 Keras 中设置时，将根据使用的损失函数自动推断正确的准确度指标。因此，由于您已用作binary_crossentropy损失函数，因此binary_accuracy将选择作为度量。

现在，您绝对应该在多标签分类任务中进行选择binary_accuracy，categorical_accuracy因为类彼此独立，并且每个类的预测应该独立于其他类的预测来考虑。