范畴准确性
范畴准确性
提问于 2018-04-20 15:00:39
分类的准确性是如何工作的？按定义
categorical_accuracy检查最大真值的指数是否等于最大预测值的指数。
和
计算多类分类问题的所有预测的平均准确率。
它在实践中意味着什么？让我说我是预测对象的边框
它有( xmin，ymin，xmax，ymax)检查xmin预测值是否等于xmin实值吗？所以，如果xmin和xmax在预测值和实数上是相同的，而ymin和ymax是不同的，我会得到50%吗？
请帮我解开这个概念
回答 1
Stack Overflow用户
发布于 2018-04-20 15:07:33
传统上，对于多类分类，标签将有一些整数(或等效的分类)标签；例如：
labels = [0, 1, 2]多类分类预测的输出通常是信任的概率分布；例如：
preds = [0.25, 0.5, 0.25]通常，与最可能发生的事件相关联的索引将是标签的索引。在本例中，argmax(preds)是1，它映射到标记1。
您可以看到您的预测的总准确性是la 混淆矩阵，其中一个轴是“真”值，另一个轴是“预测”值。每个单元格的值是CM[y_true][y_pred]值的和。精度将是矩阵的主对角线之和(y_true = y_pred)与训练实例总数的总和。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/49944579
复制相关文章
相似问题
腾讯云开发者
