在Keras中进行多标签分类时，哪种指标更好：accuracy还是categorical_accuracy？显然，在这种情况下，最后的激活函数是sigmoid，损失函数是binary_crossentropy。

回答：

我不会在类别不平衡的分类任务中使用准确率（Accuracy）。特别是在多标签任务中，你的大部分标签可能是False。也就是说，每个数据点只能有一小部分标签，相对于所有可能标签的总数而言。因此，如果你的模型预测所有标签都是False（sigmoid激活输出< 0.5），那么你测量出的准确率会非常高，所以准确率并不是一个好的指标。

我会分析每个epoch的AUC或召回率/精确率。另外，多标签任务也可以看作是排序任务（如推荐系统），你可以评估前k个预测标签的精确率@k或召回率@k，其中k是预测的前几位标签。

如果你的Keras后端是TensorFlow，可以在这里查看支持的完整指标列表：https://www.tensorflow.org/api_docs/python/tf/keras/metrics。