問題：一個數據又多個標籤，一個樣本數據多個類別中的某幾類；好比一個病人的數據有多個疾病，一個文本有多種題材，因此標籤就是： [1,0,0,0,1,0,1] 這種高維稀疏類型，如何計算分類準確率？python
分類問題：網絡
二分類函數
多分類性能
多標籤ui
Keras metrics (性能度量)lua
介紹的比較好的一個博客：spa
https://machinelearningmastery.com/custom-metrics-deep-learning-keras-python/code
還有一個介紹loss的博客：orm
metrics：在訓練的每一個batch結束的時候計算訓練集acc，若是提供驗證集（一個epoch結束計算驗證集acc），也同時計算驗證集的性能度量，分爲迴歸任務和分類任務，有不一樣的acc計算辦法；metrics 裏面能夠放 loss （迴歸問題）或者acc（分類問題）；
A metric is a function that is used to judge the performance of your model.
A metric function is similar to a loss function, except that the results from evaluating a metric are not used when training the model. You may use any of the loss functions as a metric function.
metrics其實和loss相似，只是不用來指導網絡的訓練；通常根據具體問題具體要求採用不一樣的 metric 函數，衡量性能；
分類問題的不一樣acc計算方法：
- Binary Accuracy: binary_accuracy, acc
- Categorical Accuracy: categorical_accuracy, acc
- Sparse Categorical Accuracy: sparse_categorical_accuracy
- Top k Categorical Accuracy: top_k_categorical_accuracy (requires you specify a k parameter)
- Sparse Top k Categorical Accuracy: sparse_top_k_categorical_accuracy (requires you specify a k parameter)
keras metrics 默認的accuracy:
metrics["accuracy"] : == categorical_accuracy; 最快的驗證方法，訓練一個簡單網絡，同時輸出默認accuracy，categorical_accuracy，，binaray_accuracy, 對比就能夠知道；
或者看keras源碼，找到metrics默認設置：
多標籤分類問題：
[1,0,0,1,0] , [1,0,0,0,0] 分別是 y_pred, y_true:
若是使用 binary_accuracy : acc = 0.8;
if the prediction would be [0, 0, 0, 0, 0, 1]. And if the actual labels were [0, 0, 0, 0, 0, 0], the accuracy would be 5/6.;
訓練過程常見坑：
1.自定義loss：
自定義loss寫成函數的時候，keras compile() 裏面，要調用自定義的loss函數而不是隻給函數名: