Matrix CNN模型的评估矩阵，哪一个更重要？

为什么许多论文只包含最好的准确度，而不是损失。doenst平均损失对于不同模型的比较不重要吗

---

这两个概念的核心区别是什么？假设我90%确定数据[0]为A类。它返回的C数据0为A类。并且损失？

只要成本降低，模型就会显示出改进（仅在这种情况下，我忽略了过度拟合的可能性）。虽然成本和精度通常具有反比关系，但您可能会注意到，精度是零一个错误的总和，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%。当成本的减少是无形的（成本非常接近于局部极小值）时，提高精度要困难得多

关于你的问题：

假设我90%确定数据[0]为A类。它返回的C数据0为A类。损失是多少

---

通常，在关注模型是否正常工作时，您会根据精度（或取决于问题的其他指标）进行计算。如上所述，比例变化的准确性解释准确地提到了您的思维过程，它肯定会返回“data0”，但不能说是丢失。

首先感谢您对两个概念的深入理解。如果设置权重给模型打分，那么比较不同的模型更重要。你能再解释一下吗？>我不确定我是否完全理解你的问题。