nlp - 来自测试数据的模型精度与混淆矩阵精度之间的差异

Question

• 我正在为 NLP 项目工作，我想使用神经 n/w 进行文本分类
• 我从测试集中获得了非常好的准确率，达到了 98%。
• 但是，当我尝试检查混淆矩阵的准确度（使用混淆矩阵的准确度得分）时，它只有 52%。
• 这怎么可能？我在这里想念什么？

问题

两者的准确度之间有什么区别，哪一个应该被视为实际准确度？为什么？

测试集上的代码

loss, acc = model.evaluate(Xtest, y_test_array)

标签： nlp

Answer 1

看起来您的数据集存在类别不平衡，并且从混淆矩阵计算的指标（它不是准确性 - 可能类似于 F1 分数）很低，因为少数类别的识别率很低。同时，准确度很高，因为多数类被很好地识别。