loss值大accuracy高_验证集loss上升，准确率却上升该如何理解？

这个情况在实际项目中其实挺常见的，说白了loss也好, accuracy也好，都是很片面且脆弱的评估指标。与模型结构与数据分布都有很大关系。 具体如何选择模型应该与应用场景强相关。

考虑下面这个例子：

对于一个有4条数据的数据集，它的真实label为[0, 1, 1, 1]。

现在考虑两个不同的模型A,B。假设Model A预测的结果为： [0.5, 0.9, 0.9, 0.5], Model B预测的结果为[0.499, 0.501, 0.501, 0.501]。分别计算它们的AUC、Log Loss 与 Accuracy(阈值暂且取0.5)。

********* Model A : [0.5, 0.9, 0.9, 0.5] *********

loss: 0.39925384810888576

auc: 0.8333333333333334

accuracy: 75%

********* Model B : [0.499, 0.501, 0.501, 0.501] *********

loss: 0.6911491778972723

auc: 1.0

accuracy: 100%