深度學習知識地圖 · 評估指標
評估指標
Loss, Accuracy
觀念教學
訓練神經網路時,螢幕上滾動的兩條曲線 — Loss 往下、Accuracy 往上 — 就是你判斷模型「有沒有在學」的儀表板。
核心觀念
- 損失函數(Loss):衡量預測與實際的差距,是模型優化的直接目標;訓練就是讓它一路下降
- 準確率(Accuracy):分類猜對的比例。白話公式:猜對樣本數 除以 總樣本數,人看得懂的成績單
- 驗證損失(Validation Loss):在沒參與訓練的驗證集上算出的 Loss,是「真實學力」的偵測器
白話理解
Loss 像練習時的扣分明細,連錯得多離譜都量得出來;Accuracy 像成績單總分,只看對錯。模型優化盯 Loss,對人報告用 Accuracy。還有一個差別:Loss 的數值本身沒有絕對意義,同一個模型前後比較才有意義;Accuracy 是比例,可以直接拿來跨模型溝通。
讀曲線的三個劇本
- 訓練 Loss 與驗證損失同步下降:健康,繼續練
- 訓練 Loss 下降、驗證損失回升:過擬合警報,該早停或上正則化
- 兩者都降不動:欠擬合,或學習率沒調好
- 加映:類別極不平衡時 Accuracy 會騙人(全猜多數類就有高分),改看 F1 這類指標
🎯 口訣:Loss 給機器看,Accuracy 給人看,驗證損失抓背題。
iPAS 考點
考「訓練時模型優化的直接目標」→ 損失函數,不是準確率。情境題給「訓練損失持續下降、驗證損失開始上升」→ 判斷過擬合。易混淆:Loss 是連續的差距量、越低越好;Accuracy 是比例、越高越好 — 方向相反,審題先看指標方向。
應用場景
評估指標
iPAS 歷屆考題詳解(1 題)
先自行作答,再展開詳解。題目出處均為 iPAS AI 應用規劃師正式考題,著作權屬原主辦單位。
鐵達尼號 MLP 模型訓練後,以下列程式碼繪製損失曲線: history = model.fit(X_train, y_train, validation_split=0.2, epochs=100, batch_size=10) loss, accuracy = model.evaluate(X_train, y_train, verbose=0) import matplotlib.pyplot as plt loss = history.history["loss"] epochs = range(1, len(loss)+1) val_loss = history.history["val_loss"] plt.plot(epochs, loss, 空格1, label="Training Loss") plt.plot(epochs, val_loss, 空格2, label="Validation Loss") plt.title("Training and Validation Loss") plt.xlabel("Epochs") plt.ylabel("Loss") plt.legend() plt.show() 執行後的圖形顯示:Training Loss 為藍色實線,自約 0.65 持續下降至約 0.40;Validation Loss 為紅色虛線,前期快速下降後,約自第 15 輪起在 0.45~0.46 附近震盪持平。針對下列敘述: A:空格1 須填入 "b-" B:空格2 須填入 "b--" C:空格1 須填入 "r-" D:空格2 須填入 "r--" E:驗證損失明顯較訓練損失減少更明顯 請問下列何者正確?
- AB、C
- BA、C、D
- CA、D
- DC、D、E
看正解與逐選項詳解
正解:C