Binary 二元分类-计算每个类别的平均准确度并不等于总体准确度

我有一个二进制分类问题，每个类有平衡数量的例子。在测试集上测试分类器的性能时，如果使用这两个类中的所有示例，则准确率为79.87%。然而，当单独对类别进行测试时，每个类别1的准确度为73.41%，每个类别2的准确度为63.31%。问题是，如果我计算两个类的平均精度，即（73.41+63.31）/2=68.36%，这并不等于79.87%

这怎么可能？我正在使用Keras的model.evaluate函数，以获得准确的数字。我的代码如下：

 model.compile(loss='binary_crossentropy',
            optimizer=optim,
            metrics=['accuracy'])

earlystop = EarlyStopping(monitor='val_acc', min_delta=0.001, patience=5, verbose=0, mode='auto')
callbacks_list = [earlystop]

X_train, y_train, X_val, y_val = data()
hist = model.fit(X_train, y_train, validation_data=(X_val, y_val), epochs=30, batch_size=batch_size, shuffle=True, callbacks=callbacks_list)
#get training accuracy
training_accuracy = np.mean(hist.history["acc"])
validation_accuracy = np.mean(hist.history["val_acc"])
print("Training accuracy: %.2f%%" % (training_accuracy * 100))
print("Validation accuracy: %.2f%%" % (validation_accuracy * 100))

scores = model.evaluate(X_test, y_test, verbose=2)
y_pred = model.predict_classes(X_test)
print(metrics.classification_report(y_test, y_pred))
print("Testing loss: %.2f%%" % (scores[0]))
print("Testing accuracy: %.2f%%" % (scores[1]*100))

---

为什么我得到的结果不符合逻辑？我的设置非常简单，所以我确信我的代码中没有bug。谢谢大家!

我找不到您在代码中的何处分离类来测试每个类

但是在

np.mean（hist.history[“val_acc”]）

中取历史平均值有一个很大的问题

随着历史的发展，你一开始就非常准确，每一个时代都在提升价值。当然，唯一可以比较的值是最后一个

在所有情况下，它们是否（完全）是“相同的样本”此外，您还应该计算

（acc0*samples0+acc1*samples1）/（samples0+samples1）

。