Pytorch 计算误判率,计算准确率,计算召回率的例子

站长资源 2024/11/25 佚名

75 1538 75

DDR爱好者之家 Design By 杰米

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。

Pytorch,误判率,准确率,召回率

DDR爱好者之家 Design By 杰米

广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！

DDR爱好者之家 Design By 杰米

评论“Pytorch 计算误判率,计算准确率,计算召回率的例子”

暂无评论...