matrix - CNN模型的评估矩阵,哪个更重要?
问题描述
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?
解决方案
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。
推荐阅读
- android - 无法在前面的同级 xpath 上模拟单击操作
- javascript - JSP 在 SPRING MVC Web 应用程序中呈现客户端还是服务器端?
- java - 我应该如何重新提示用户输入有效字符串?
- python - 以日期时间索引为参数对特定 Dataframe 行应用函数
- php - 运行 Symfony 控制台命令后,Docker php-fpm 容器退出代码 0
- jdbc - 为什么我们需要 EJB 事务而不是 JDBC?
- python-3.x - 将三列变成字典python
- android - ViewModel 实例化导致无限循环
- python - 为什么在 python 方法调用中这个列表突变行为?
- ios - Debug.xcconfig:无法打开文件(在项目“ReactiveObjC”中)(在目标“ReactiveObjC-iOS”中)