python - Keras - 应使用什么精度指标与稀疏分类交叉熵来编译模型

Question

当我有 2 个类时，我使用 binary_crossentropy 作为 loss 值来编译模型:

model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['accuracy'])

但现在我有 5 个类，并且我没有使用热编码功能。因此，我选择“sparse_categorical_crossentropy”作为“损失”值。但准确度指标应该是 keras metric源代码表明有多个可用的准确度指标。我尝试过:

model.compile(optimizer='rmsprop', loss='sparse_categorical_crossentropy', metrics=['sparse_categorical_accuracy'])

那么它是正确的还是我应该使用categorical_accuracy？

Answer 1

sparse_categorical_accuracy is a correct metrics for sparse_categorical_entropy.

但是为什么要使用sparse_categorical_entropy？你们有什么类型的类(class)？ sparse_categorical_entropy 用于整数输出。但如果您有一个one-hot-encoded目标，则应使用categorical_crossentropy作为损失函数和准确性或指标的categorical_accuracy。

<小时/>

更新:
使用以下代码解决您的分类问题:

model.add(Dense(5, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])