Keras内置的几种评价函数

在Keras中，官方内置了几种评价函数。

1. 对于二分类问题，评价指标可以用 binary_accuracy，就是最直观上讲的准确率。
2. 当面对多分类或者多标签的任务时，评价度量可能会用到这两个 categorical_accuracy和 sparse_categorical_accuracy

代码对比如下：

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())

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

1. categorical_accuracy：检查 y_ture 中最大值对应的index 与 y_pred 中最大值对应的index是否相等。（只比较1个值，即最大的那个值的index）适用于多分类单标签的任务，不适用多标签任务，y_true 应为一个 one-hot 向量

2. sparse_categorical_accuracy检查 y_true 中的值（本身就是index，且为整数） 与 y_pred 中最大值对应的index是否相等。

例如：
categorical_accuracy：

y_true = (0, 0, 1, 0)
y_pred = (0.01, 0.02, 0.87, 0.5)
acc = categorical_accuracy(y_true, y_pred)

sparse_categorical_accuracy：

y_true = 5
y_pred = (0.01, 0.02, 0.87, 0.5)
acc = sparse_categorical_accuracy(y_true, y_pred)