Pytorch 计算误判率,计算准确率,计算召回率的例子

yipeiwu_com5年前Python基础

无论是官方文档还是各位大神的论文或搭建的网络很多都是计算准确率,很少有计算误判率,

下面就说说怎么计算准确率以及误判率、召回率等指标

1.计算正确率

获取每批次的预判正确个数

train_correct = (pred == batch_y.squeeze(1)).sum()

该语句的意思是 预测的标签与实际标签相等的总数

获取训练集总的预判正确个数

train_acc += train_correct.data[0] #用来计算正确率

准确率 : train_acc / (len(train_data))

2.误判率

举例:当你是二分类时,你需要计算 原标签为1,但预测为 0 ,以及 原标签为0,预测为1的 误判率

误判率又分为:

CTW : correct to wrong 标签为正确的,预测为错误的

WTC: wrong to correct 标签为错误的,预测为正确的

zes=Variable(torch.zeros(lasize).type(torch.LongTensor))#全0变量

ons=Variable(torch.ones(lasize).type(torch.LongTensor))#全1变量

train_correct01 = ((pred==zes)&(batch_y.squeeze(1)==ons)).sum() #原标签为1,预测为 0 的总数

train_correct10 = ((pred==ons)&(batch_y.squeeze(1)==zes)).sum() #原标签为0,预测为1 的总数

train_correct11 = ((pred_y==ons)&(batch_y.squeeze(1)==ons)).sum()
train_correct00 = ((pred_y==zes)&(batch_y.squeeze(1)==zes)).sum()

获取训练集总的误判个数

FN += train_correct01.data[0]

FP += train_correct10.data[0]

TP += train_correct11.data[0]
TN += train_correct00.data[0]

误判率 :

(FN+FP)/(len(train_data)) #CTW+WTC

3.精准率和召回率


精准率: P = TP/ (TP+FP)
召回率: R = TP/ (TP+FN)


4.真正例率和假正例率

真正例率:TPR = TP/ (TP+FN)
假正例率:FPR =FP/ (FP+TN)

最后,当你要计算多分类的误判率时,只需在二分类的基础上类推即可

以上这篇Pytorch 计算误判率,计算准确率,计算召回率的例子就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

python获取远程图片大小和尺寸的方法

本文实例讲述了python获取远程图片大小和尺寸的方法。分享给大家供大家参考。具体分析如下: 这段代码通过urllib2打开远程图片,通过cStringIO读取文件内容,不用保存到磁盘即...

基于python的Tkinter编写登陆注册界面

tkinter创建登陆注册界面,供大家参考,具体内容如下 import tkinter as tk from tkinter import messagebox #设置窗口居中...

Python中生成一个指定长度的随机字符串实现示例

方法一: 定义一个函数,参数为所要生成随机字符串的长度。通过random.randint(a, b)方法得到随机数字,具体函数如下: def generate_random_str(...

pygame游戏之旅 添加游戏介绍

pygame游戏之旅 添加游戏介绍

本文为大家分享了pygame游戏之旅的第9篇,供大家参考,具体内容如下 在游戏开始之前定义一个函数,用来显示游戏介绍: def game_intro(): intro = Tru...

使用Python-OpenCV向图片添加噪声的实现(高斯噪声、椒盐噪声)

在matlab中,存在执行直接得函数来添加高斯噪声和椒盐噪声。Python-OpenCV中虽然不存在直接得函数,但是很容易使用相关的函数来实现。 代码: import numpy a...