精度与MSE相结合

Question

用于准确性度量的TensorFlow文档似乎给出了一个“mse”的例子。我在一个回归示例上测试了这一点，并确实找到了与损失进度相对应的准确性值。我发现许多消息来源宣称，如果与MSE结合使用，准确性是无用的。在这种情况下，有人能解释什么是keras/TF计算吗?它能被视为有用吗？

model.compile(optimizer='sgd',
              loss='mse',
              metrics=[tf.keras.metrics.Accuracy()])

Answer 1

我想这个问题可以解释如下：

在回归问题中，目标值是实数。比如：

targets = [12.32, -3.69, 47.26]

使用模型，该模型编译为：

model.compile(optimizer='sgd',
              loss='mse',
               metrics=[tf.keras.metrics.Accuracy()])

我们得到以下预测：

predicted= [12.1, -3.6, 48.09]

使用"mse“计算损失是很清楚的。

但是如何计算“准确性”呢？

Answer 2

在Keras中，MSE计算误差平方的平均值，即估计值与实际值之间的平均平方差。