我需要一些帮助来理解在Keras中拟合模型时如何计算准确率。这是训练模型的一个样本历史记录：
Train on 340 samples, validate on 60 samplesEpoch 1/100340/340 [==============================] - 5s 13ms/step - loss: 0.8081 - acc: 0.7559 - val_loss: 0.1393 - val_acc: 1.0000Epoch 2/100340/340 [==============================] - 3s 9ms/step - loss: 0.7815 - acc: 0.7647 - val_loss: 0.1367 - val_acc: 1.0000Epoch 3/100340/340 [==============================] - 3s 10ms/step - loss: 0.8042 - acc: 0.7706 - val_loss: 0.1370 - val_acc: 1.0000...Epoch 25/100340/340 [==============================] - 3s 9ms/step - loss: 0.6006 - acc: 0.8029 - val_loss: 0.2418 - val_acc: 0.9333Epoch 26/100340/340 [==============================] - 3s 9ms/step - loss: 0.5799 - acc: 0.8235 - val_loss: 0.3004 - val_acc: 0.8833那么，验证准确率在前几个epoch就达到1了？验证准确率怎么可能比训练准确率还高？
以下是显示所有准确率和损失值的图表：
然后我使用sklearn指标来评估最终结果：
def evaluate(predicted_outcome, expected_outcome): f1_score = metrics.f1_score(expected_outcome, predicted_outcome, average='weighted') balanced_accuracy_score = metrics.balanced_accuracy_score(expected_outcome, predicted_outcome) print('****************************') print('| MODEL PERFORMANCE REPORT |') print('****************************') print('Average F1 score = {:0.2f}.'.format(f1_score)) print('Balanced accuracy score = {:0.2f}.'.format(balanced_accuracy_score)) print('Confusion matrix') print(metrics.confusion_matrix(expected_outcome, predicted_outcome)) print('Other metrics') print(metrics.classification_report(expected_outcome, predicted_outcome))我得到的输出如下（如你所见，结果很糟糕）：
****************************| MODEL PERFORMANCE REPORT |****************************Average F1 score = 0.25.Balanced accuracy score = 0.32.Confusion matrix[[ 7 24 2 40] [ 11 70 4 269] [ 0 0 0 48] [ 0 0 0 6]]Other metrics precision recall f1-score support 0 0.39 0.10 0.15 73 1 0.74 0.20 0.31 354 2 0.00 0.00 0.00 48 3 0.02 1.00 0.03 6 micro avg 0.17 0.17 0.17 481 macro avg 0.29 0.32 0.12 481weighted avg 0.61 0.17 0.25 481为什么Keras拟合函数的准确率和损失值与sklearn指标的值差异这么大？
以防万一，这是我的模型：
model = Sequential()model.add(LSTM( units=100, # the number of hidden states return_sequences=True, input_shape=(timestamps,nb_features), dropout=0.2, recurrent_dropout=0.2 ) )model.add(Dropout(0.2))model.add(Flatten())model.add(Dense(units=nb_classes, activation='softmax'))model.compile(loss="categorical_crossentropy", metrics = ['accuracy'], optimizer='adadelta')输入数据维度：
400 train sequences481 test sequencesX_train shape: (400, 20, 17)X_test shape: (481, 20, 17)y_train shape: (400, 4)y_test shape: (481, 4)这是我如何应用sklearn指标的方式：
testPredict = model.predict(np.array(X_test))y_test = np.argmax(y_test.values, axis=1)y_pred = np.argmax(testPredict, axis=1)evaluate(y_pred, y_test)看起来我错过了什么。
回答：
你听起来有点困惑。
首先，你在比较苹果和橘子，即Keras在60个样本集上报告的验证准确率（注意Keras打印的第一条信息性消息，Train on 340 samples, validate on 60 samples）与scikit-learn在你481个样本的测试集上报告的测试准确率。
其次，你只有60个样本的验证集实在太小了；在如此小的样本中，你报告的指标计算的剧烈波动当然不足为奇（我们需要足够大小的数据集是有原因的，不仅仅是训练数据集）。
第三，你的训练/验证/测试集划分非常不寻常，至少可以这么说；标准做法要求分配大约70/15/15的百分比或类似比例，而你使用的是38/7/55的百分比分配（即340/60/481个样本）…
最后，在不了解你的数据细节的情况下，很可能是340个样本不足以拟合像你这样的LSTM模型来进行一个好的4类分类任务。
首先，从更合适地分配你的数据到训练/验证/测试集开始，并确保你比较的是苹果和苹果…
附言 在类似的提问中，你还应该包括你的 model.fit() 部分。
