मैं इन दो प्रश्नों और दस्तावेज़ीकरण को देख रहा हूँ:
Keras categorical_accuracy मेट्रिक्स के लिए आउटपुट क्या 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।
1 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।
categorical_accuracy > 0.5।