Acurácia e Loss são proporcionais?

Oi Igor! Tudo bom com você? Espero que sim!

Desculpa a demora em te responder.

O loss e a acurácia não são tão diretamente relacionados assim. Para explicar melhor, vou explorar um pouco o conceito de cada uma das métricas.

O loss mostra quão mal o modelo está indo no treinamento, então quanto menor for o loss, melhor é o funcionamento do seu modelo. Essa medida é calculada durante a fase de treino e validação através de uma função de custo, que seu resultado é utilizado para ajuste dos pesos no modelo, de forma que isso possa diminuir, cada vez mais, o valor loss.

Já a acurácia mostra quão bem o modelo faz previsão, então quanto maior for a acurácia, melhor é a previsão do seu modelo. Além disso, ela só é utilizada quando os treinamentos se encerram e o cálculo é feito verificando apenas quantas previsões o modelo acertou de toda a amostra de teste.

É possível notar que as duas métricas tratam de objetivos e padrões diferentes, além disso, elas não têm nenhuma relação matemática. Portanto, assumir que uma métrica é proporcional a outra é equivocado. Também podemos notar isso vendo que ao se construir um modelo Deep Learning, o interessante é que se tenha um modelo bem treinado com baixo valor loss e também possua uma alta capacidade de previsão, definido por uma acurácia alta.

Eu espero ter te ajudado! Qualquer outra dúvida estarei disposta a sanar ;-)

Bons estudos!