matrix - CNN模型的评估矩阵，哪个更重要？

Question

为什么许多论文只包含最佳准确性，而不是损失。doenst mean loss对于不同模型的比较不重要？</p>

这两个概念之间的核心区别是什么？假设我有 90% 的把握 data[0] 是 A 类。它返回 ofc data0 是 A 类。而损失呢？

标签： matrixevaluationconv-neural-network

Answer 1

只要成本降低，模型就会显示出改进（我忽略了这种情况下过度拟合的可能性）。虽然成本和准确度通常具有反比例关系，但您可能会注意到准确度是零一误差的总和，而成本是浮点数的总和。因此，成本降低 0.001% 并不一定意味着准确率提高 0.001%。当成本的减少是无形的（成本非常接近局部最小值）时，提高准确性要困难得多

对于您的问题：

假设我有 90% 的把握 data[0] 是 A 类。它返回 ofc data0 是 A 类。而损失呢？

通常，在关注模型是否正常工作时，您会根据准确性（或其他一些指标，具体取决于问题）进行计算。如上所述，比例变化的准确性解释准确地提到了您肯定会返回“data0”的思考过程，但对于损失则不能这样说。