图像分类中样本集不均匀对准确率的影响

[An EE Dog No Hair]

深度学习中，用keras框架搭了一个神经网络模型，训练时的给出的准确率达到0.82，但是用了1500个测试样本测试准确率却只有0.33。不知道是为什么？ 思考了一个可能性，训练集的各类样本数量不均匀，有的训练样本500多张，有的只有5张。 如果训练样本不均匀会造成这种情况吗？

[qq_45286518]

训练时应该同时看测试集的准确率吧。我感觉你这样说大概率是overfitting

[阿炳望月]

类不平衡可能会造成这个问题，但大部分不平衡的数据反而会让准确率提高，此时需要其他综合的指标如F1值，G-means值来衡量模型的性能。所以，建议你考虑是否过拟合造成的这个现象。