我正在嘗試培訓(xùn)CNN按主題對(duì)文本進(jìn)行分類。當(dāng)我使用二進(jìn)制交叉熵時(shí)，我得到~80％的準(zhǔn)確度，使用分類交叉熵我得到~50％的準(zhǔn)確度。我不明白為什么會(huì)這樣。這是一個(gè)多類問題，這是不是意味著我必須使用分類交叉熵，而二元交叉熵的結(jié)果是沒有意義的？model.add(embedding_layer)model.add(Dropout(0.25))# convolution layersmodel.add(Conv1D(nb_filter=32,                    filter_length=4,                    border_mode='valid',                    activation='relu'))model.add(MaxPooling1D(pool_length=2))# dense layersmodel.add(Flatten())model.add(Dense(256))model.add(Dropout(0.25))model.add(Activation('relu'))# output layermodel.add(Dense(len(class_id_index)))model.add(Activation('softmax'))然后我使用它c(diǎn)ategorical_crossentropy作為損失函數(shù)編譯它：model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])要么model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])