Keras模型训练时准确率大于1的原因咨询

出现准确率大于1的情况，本质是准确率指标的计算逻辑出错，常见场景如下：

• 自定义准确率指标未正确归一化
  如果是自己实现的准确率函数，可能没有将正确预测的数量除以总样本数（或总标签数）。比如在多标签分类任务中，若将每个样本的正确标签数累加后直接除以样本数量（而非总标签数量），当每个样本有多个标签时，结果就会超过1。例如每个样本含2个标签，全对的情况下，100个样本的正确数是200，除以100样本数得到2，就会出现大于1的准确率。

• 误用了非准确率类的指标
  编译模型时误将其他类型的指标（如某些回归任务的评价指标）指定为accuracy，这类指标本身的取值范围就可能超过1，导致日志里显示的"accuracy"其实不是分类准确率。

• 指标计算时的数值错误
  比如在计算正确预测数时出现逻辑错误，例如重复统计正确样本、或者将样本数的维度计算错误，导致分子（正确数）远大于分母（总样本/标签数），最终结果超过1。

结合你给出的日志来看，loss值很低但准确率异常，更大概率是自定义指标的计算逻辑出了问题，建议检查模型编译时指定的metrics参数，或是自定义指标函数的实现代码。

内容的提问来源于stack exchange，提问作者Dmitry Kabanov