问题描述
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。