如何解决CNN模型的评估矩阵,哪个更重要?
为什么许多纸张仅包括最佳精度而不是损失。平均损失对不同模型的比较不重要吗?
这两个概念之间的核心区别是什么?假设我对data [0]的确定是90%是A类。它返回的data0是A类。
解决方法
只要成本降低,该模型就会显示出改进的效果(我只是忽略了这种情况下过度拟合的可能性)。尽管成本和精度通常成反比例关系,但是您可能会注意到精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%并不一定意味着精度提高0.001%。如果成本的下降是无形的(成本非常接近于局部最小值),则提高精度会更加困难
您的问题:
假设我对data [0]的确定是90%是A类。它返回的data0是A类。
通常,在关注模型是否正常工作时,您将根据准确性(或根据问题确定其他度量)进行计算。如上所述,比例的变化会导致准确度解释准确地提到您的思考过程,它肯定会返回“ data0”,但不能说丢失。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。