我正在使用深度神经网络进行二元类分类。每当我使用binary_crossentropy时，我的模型都没有给出很好的准确性(它更接近随机预测)。但是，如果我通过将输出层的大小设置为 2 来使用分类交叉熵，那么我仅在 1 个 epoch 中就获得了很好的准确度，接近 0.90。谁能解释一下这里发生了什么？
最佳答案
我在尝试将binary_crossentropy与 softmax 一起使用时也遇到了这个问题输出层的激活。据我所知，softmax给出每个类的概率，因此如果你的输出层有 2 个节点，它将类似于 p(x1) , p(x2)和x1 + x2 = X 。因此，如果您只有 1 个输出节点，它将始终等于 1.0 (100%)，这就是您接近随机预测的原因(老实说，它将接近评估集中的类别分布)。
尝试将其更改为其他激活方法，例如 sigmoid或relu .
关于machine-learning - Binary_crossentropy 和 Categorical_crossentropy 之间的混淆，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/37428100/