मैं इन दो प्रश्नों और दस्तावेज़ीकरण को देख रहा हूँ:

Keras categorical_accuracy मेट्रिक्स के लिए आउटपुट क्या है?

श्रेणीबद्ध क्रॉसेंट्रॉपी को केरस में मीट्रिक के रूप में श्रेणीबद्ध_सटीकता या सटीकता का उपयोग करने की आवश्यकता है?

https://keras.io/api/metrics/probabilistic_metrics/#categoricalcrossentropy-class

एक्स-रे छवियों के वर्गीकरण के लिए मैं (१५ कक्षाएं) करता हूं:

# Compile a model
model1.compile(optimizer = 'adam', loss = 'categorical_crossentropy', 
metrics = ['accuracy']) 

# Fit the model
history1 = model1.fit_generator(train_generator, epochs = 10, 
steps_per_epoch = 10, verbose = 1, validation_data = valid_generator)

मेरा मॉडल काम करता है और मेरे पास एक आउटपुट है:

लेकिन मुझे यकीन नहीं है कि परिणामों की तुलना करने और अधिक/अंडरफिटिंग से बचने के लिए यहां सत्यापन सटीकता कैसे जोड़ें।

0
Anakin Skywalker 16 फरवरी 2021, 00:41
2
क्या यह युग के अंत में सत्यापन सटीकता नहीं दिखाता है?
 – 
Frightera
16 फरवरी 2021, 00:52
मुझे यकीन नहीं है, पहले युग के बाद यह धीमा है।
 – 
Anakin Skywalker
16 फरवरी 2021, 01:59
@Frightera, तुम सही थे, मेरा पहला युग बहुत धीमा था।
 – 
Anakin Skywalker
16 फरवरी 2021, 02:31

1 उत्तर

सबसे बढ़िया उत्तर

मुझे आशा है कि निम्नलिखित आपकी मदद कर सकते हैं:

"categorical_crossentropy" का उपयोग मुझे बताता है कि आपके लेबल विभिन्न वर्गों पर एक ही गर्म एन्कोडिंग हैं।

मान लें कि आपके पास 15 वर्ग हैं, सही भविष्यवाणी 14 शून्य के साथ एक वेक्टर होगा, और संबंधित सूचकांक पर एक होगा। इस संदर्भ में "accuracy" बहुत अधिक होगा क्योंकि आपका मॉडल हर जगह अधिकतर शून्य की सही भविष्यवाणी करेगा, इसलिए सटीकता आसानी से कम से कम 13/15 = 0.86 होनी चाहिए।

एक अधिक उपयुक्त मीट्रिक "categorical_accuracy" होगा जो आपको 1 देगा यदि मॉडल सही इंडेक्स की भविष्यवाणी करता है, और अन्य 0।

यदि आपके पास सत्यापन "categorical_accuracy" 1/15 = 0.067 से बेहतर है (यह मानते हुए कि आपकी कक्षा सही ढंग से संतुलित है), तो आपका मॉडल यादृच्छिक से बेहतर है।

आपको मेट्रिक्स की सूची keras metrics पर मिल सकती है।

1
Leo 16 फरवरी 2021, 01:21
धन्यवाद! यदि मेरे पास 60000 डेटा बिंदु हैं, जिसमें 14 वर्ग चिकित्सा निष्कर्ष (कुछ समस्याएं) हैं और 1 वर्ग कोई खोज नहीं है, तो आप क्या सलाह देंगे। इस प्रतियोगिता में डेटा लगभग 50% -50% संतुलित है kaggle.com/ c/vinbigdata-छाती-एक्सरे-असामान्यता-पहचान
 – 
Anakin Skywalker
16 फरवरी 2021, 01:27
1
इस संदर्भ में इन दोनों मामलों को अलग करना दिलचस्प होगा। यदि आपके पास पर्याप्त समय है, तो शायद आप इन दोनों मामलों में से प्रत्येक के लिए एक कस्टम सटीकता मीट्रिक बनाने का प्रयास कर सकते हैं यहां देखें। यदि नहीं, तो आपका मॉडल यादृच्छिक से बेहतर होगा जब categorical_accuracy > 0.5
 – 
Leo
16 फरवरी 2021, 01:37