python - categorical_accuracy 值是什么意思？ categorical_accuracy 100% 但数据显示错误预测

Question

在训练中，Keras categorical_accuracy 值为 100%。但是我将其输出保存到文件中的相同训练数据显示了分类到错误类别的几个(实际上很多)数据。我检查了输入文件中的标签，它是正确的。

categorical_accuracy衡量什么？有没有更好的指标来调试 LSTM？

model = Sequential()
model.add(LSTM(64, batch_input_shape=(7763, TimeStep.TIME_STEP + 1, 10), return_sequences=True, activation='relu'))
model.add(LSTM(128, activation='relu', return_sequences=True))
model.add(LSTM(64, activation='relu', return_sequences=True))
model.add(LSTM(32, activation='relu'))
model.add(Dense(3, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=[categorical_accuracy])
history = model.fit(TimeStep.fodder, TimeStep.target, epochs=300, batch_size=7763)





Epoch 400/400

 7763/31052 [======>.......................] - ETA: 1s - loss: 2.7971e-04 - categorical_accuracy: 1.0000
15526/31052 [==============>...............] - ETA: 1s - loss: 3.0596e-04 - categorical_accuracy: 1.0000
23289/31052 [=====================>........] - ETA: 0s - loss: 3.0003e-04 - categorical_accuracy: 1.0000
31052/31052 [==============================] - 2s 78us/step - loss: 2.9869e-04 - categorical_accuracy: 1.0000

Answer 1

来自keras github repo我们有categorical_accuracy函数。

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())

这里我们可以看到，如果 y_true 最大值的位置与 y_pred 相同，则返回 1，否则返回 0。100% 的准确度应该表明 y_true 最大值的位置始终与 y_pred 相同(这里的位置是类，所以总是预测相同的类)。

造成这种情况的一个可能原因是您只有一个输出(单个二进制类)。因此 y_true 和 y_pred 的最大值位置始终为 0。

在这种情况下，请使用binary_accuracy。