categorical_accuracy值是什么意思？categorical_accuracy 100%，但数据显示错误预测

Question

在训练中，Keras的categorical_accuracy值为100%。但是同样的训练数据，我已经将它的输出保存到一个文件中，显示了几个(实际上是相当多的)数据，这些数据被分类到错误的类别。我已经检查了标签的输入文件，它是正确的。

categorical_accuracy衡量的是什么？有没有更好的指标来调试LSTM？

model = Sequential()
model.add(LSTM(64, batch_input_shape=(7763, TimeStep.TIME_STEP + 1, 10), return_sequences=True, activation='relu'))
model.add(LSTM(128, activation='relu', return_sequences=True))
model.add(LSTM(64, activation='relu', return_sequences=True))
model.add(LSTM(32, activation='relu'))
model.add(Dense(3, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=[categorical_accuracy])
history = model.fit(TimeStep.fodder, TimeStep.target, epochs=300, batch_size=7763)





Epoch 400/400

 7763/31052 [======>.......................] - ETA: 1s - loss: 2.7971e-04 - categorical_accuracy: 1.0000
15526/31052 [==============>...............] - ETA: 1s - loss: 3.0596e-04 - categorical_accuracy: 1.0000
23289/31052 [=====================>........] - ETA: 0s - loss: 3.0003e-04 - categorical_accuracy: 1.0000
31052/31052 [==============================] - 2s 78us/step - loss: 2.9869e-04 - categorical_accuracy: 1.0000

Answer 1

在keras github repo中，我们有categorical_accuracy函数。

def categorical_accuracy(y_true, y_pred):
    return K.cast(K.equal(K.argmax(y_true, axis=-1),
                          K.argmax(y_pred, axis=-1)),
                  K.floatx())

在这里我们可以看到，如果y_true的最大值的位置与y_pred相同，则返回1，否则返回0。100%的准确率应该表明y_true的最大值的位置始终与y_pred相同(此处的位置是类，因此始终预测相同的类)。

一个可能的原因是您只有一个输出(单个二进制类)。因此，对于y_true和y_pred，最大值的位置始终为0。

在这种情况下，请改用binary_accuracy。