Top-K准确率代码实现

于 2024-07-04 17:45:04 发布
阅读量495 收藏 8
点赞数 5
文章标签： python 机器学习 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/c09y00h16/article/details/136571784
版权

文章目录

Top-K准确率

Top-K准确率就是用来计算预测结果中概率最大的前K个结果包含正确标签的占比。换句话说，平常我们所说的准确率其实就是Top-1准确率。下面我们还是通过一个例子来进行说明。

假如现在有一个用于手写体识别的分类器（10分类），你现在将一张正确标签为3
的图片输入到分类器中且得到了如下所示的一个概率分布：
l o g i t s = [ 0.1 , 0.05 , 0.1 , 0.2 , 0.35 , 0.01 , 0.03 , 0.05 , 0.01 , 0.1 ] logits = [0.1,0.05,0.1,0.2,0.35,0.01,0.03,0.05,0.01,0.1] logits=[0.1,0.05,0.1,0.2,0.35

最低0.47元/天 解锁文章
友人Chi
关注
计算Top K准确率和召回率的Python实现
HackDyno的博客
09-10 489
假设我们有一个用户对物品的真实评分和推荐模型给出的前K个推荐物品。假设我们有一个用户对物品的真实评分和推荐模型给出的前K个推荐物品。Top K准确率是指在前K个推荐结果中，有多少比例是正确的；是一个包含了推荐模型给出的前K个推荐物品的二维数组，每一行代表一个用户的推荐结果。是一个包含了推荐模型给出的前K个推荐物品的二维数组，每一行代表一个用户的推荐结果。是一个包含了用户对物品的真实评分的二维数组，每一行代表一个用户的评分记录。是一个包含了用户对物品的真实评分的二维数组，每一行代表一个用户的评分记录。
关于topk accuracy
NLP与推荐算法
04-06 1989
这个概念是单标签多分类中的，先说我们认识的acc，这个是求softmax后的最大值索引，只要对应上就是预测正确。 这就是top1，topk啥意思呢？ 最大值的索引可能与标签没有对应上，只要最大值索引排序中前k个有对应的正确标签就说明预测对了，举个例子： softmax后y_scores为： [0.2,0.3,0.4,0.1] [0.15,0.3,0.05,0.5] 求argmax后为 ...
Kaggle—So Easy!百行代码实现排名Top 5%的图像分类比赛
结构之法 算法之道
05-10 3万+
Kaggle—So Easy!百行代码实现排名Top 5%的图像分类比赛作者：七月在线彭老师责编：翟惠良 JulyGithub: https://github.com/pengpaiSH/Kaggle_NCFM前言    根据我个人的经验，学好AI，有五个必修：数学、数据结构、Python数据分析、ML、DL，必修之外，有五个选修可供选择：NLP、CV、DM、量化、Spark，然后配套七月在线的这
top-k准确率计算
weixin_48018951的博客
03-28 1148
top-k计算
Top-k准确率
没有胡子的猫Asimov
08-24 1194
Top-k准确率 import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #限制控制台打印日志级别 tf.random.set_seed(2467) def accuracy(output, target, topk=(1,)): # output [10,6] maxk = max(topk) batch_size = target.shape[0] pred =
理论知识：Top-K 准确率
llf000000的博客
04-17 1632
Top-1 Accuracy: 这是最常见的准确率评估方式，指的是模型预测的最有可能的类别（即概率最高的类别）是否正是真实的类别。换句话说，就是模型的预测结果中排名第一的类别是否正确。Top-3 Accuracy: 这个评估标准比 Top-1 更宽松一些。它检查真实类别是否在模型预测的前三个最有可能的类别之中。这意味着即使模型的最有信心的预测（Top-1）是错误的，只要真实的类别位于模型给出的前三个最可能的选项中，该预测仍被视为正确。在一些复杂的分类问题中，可能存在多个合理的答案。例如，在图像识别中，一张图
Top-K准确率的概念与实现（源码讲解）
qq_54708219的博客
03-09 2735
Top-K准确率的概念与实现（源码讲解）
python numpy 求top-k accuracy指标
平平淡淡，戒急用忍，一生学闭嘴。
09-03 818
top-k acc表示在多分类情况下取最高的k类得分的label，与真实值匹配，只要有一个label match，结果就是True。 如对于一个有5类的多分类任务 a_real = 1 a_pred = [0.02, 0.23, 0.35, 0.38, 0.02] #top-1 a_pred_label = 3 match = False #top-3 a_pred_label_list = [1, 2, 3] match = True 对于top-1 accuracy sklearn.metri
【机器学习】基于Gumbel Top-k松弛技术的图形采样
最新发布
MUKAMO的博客
06-24 1234
本文主要探讨了深度学习中的可微分子集采样，特别是Gumbel Top-k松弛技术。该技术可在保持模型可微性的同时从候选元素中选择重要子集。通过SubsetOperator类和Gumbel分布实现连续的Top-k选择，并将其应用于k最近邻分类问题。实验使用PyTorch框架，在MNIST数据集上验证方法的有效性，经过20周期训练，模型达到约99.3%的测试准确率。
实现topK准确率和召回率的Python代码
学习使你进步。
06-03 609
在数据科学领域，准确率和召回率是两个非常重要的指标。准确率表示模型预测正确的样本数占总样本数的比例，而召回率则表示模型成功找出的正样本（即实际值为1）占所有正样本的比例。有时候我们还需要按照置信度排序，获取topK准确率和召回率。在这个示例中，我们生成了100个预测值和实际值，并随机生成了它们的值。然后，我们将它们传递给。这意味着，对于前5个置信度排序，精度为60％，而召回率为37.5％。是前K个置信度排序。它输出两个值，即topK准确率和召回率。函数，并请求返回前5个置信度排序的topK准确率和召回率。
PyTorch中的topk方法以及分类Top-K准确率的实现
weixin_44966641的博客
07-28 8984
PyTorch中的topk方法以及分类Top-K准确率的实现 Top-K 准确率 在分类任务中的类别数很多时（如ImageNet中1000类），通常任务是比较困难的，有时模型虽然不能准确地将ground truth作为最高概率预测出来，但通过学习，至少groud truth的准确率能够在所有类中处于很靠前的位置，这在现实生活中也是有一定应用意义的，因此除了常规的Top-1 Acc，放宽要求的Tok-K Acc也是某些分类任务的重要指标之一。 Tok-K准确率：即指在模型的预测结果中，前K个最高概率的类中有g
TOP-K准确率
m0_61633560的博客
09-06 461
TOPK准确率
pytorch计算top_k分类准确率
PanYHHH的博客
05-18 5661
记录一下计算top_k准确率的方法，直接调用即可: import torch def accuracy(output, target, topk=(1, 5)): maxk = max(topk) batch_size = target.size(0) _, pred = output.topk(maxk, 1, True, True) pred = pred.t() correct = pred.eq(target.view(1, -1).expand_as
从分类,排序,top-k多个方面对推荐算法稳定性的评价
phantom66的博客
04-23 9244
介绍论文名: “classification, ranking, and top-k stability of recommendation algorithms”. 本文讲述比较推荐系统在三种情况下, 推荐稳定性情况. 与常规准确率比较的方式不同, 本文从另一个角度, 即推荐算法稳定性方面进行比较.详细参与比较的推荐算法包括: baseline 传统基于用户 传统基于物品 oneSlope s
LLM探索：GPT类模型的几个常用参数 Top-k, Top-p, Temperature
强化学习曾小健
06-21 6265
上一篇文章介绍了几个开源LLM的环境搭建和本地部署，在使用ChatGPT接口或者自己本地部署的LLM大模型的时候，经常会遇到这几个参数，本文简单介绍一下~top_ptop_k。
独家 | 手把手教你用Python构建你的第一个多标签图像分类模型（附案例）
数据派THU
05-14 3471
翻译：吴金笛校对：郑滋本文约4600字，建议阅读12分钟。本文明确了多标签图像分类的概念，并讲解了如何构建多标签图像分类模型。介绍你正在处理图像数据吗?我们可以使用计算机...
【推荐算法】从零开始做推荐（二）——TopK推荐的评价指标，计算原理与样例
乐川大佛的博客
03-25 1万+
前言   推荐系统挺有趣的，但对做研究的人来讲上手有很多坑。相比于图像领域数据集、代码公开透明，评价指标高度统一，推荐系统仍处在整合阶段，龙蛇混杂。   在撰写论文的时候，难点不仅在于自己的方法，还在于实现他人的算法进行对比。如果代码不公开，自己实现他人的方法一方面费时费力，另一方面还不知道有没有复现准确。   本系列打算在推荐系统公开数据集上一步步实现完整推荐，并实现多个经典的推荐算法。由于本人...
深度学习：混淆矩阵，准确率，top1，top5，每一类的准确率
热门推荐
山上有只羊M
12-10 5万+
几个概念 1）正确率（accuracy） 正确率是我们最常见的评价指标，accuracy = （TP+TN）/(P+N)，这个很容易理解，就是被分对的样本数除以所有的样本数，通常来说，正确率越高，分类器越好； 2）错误率（error rate) 错误率则与正确率相反，描述被分类器错分的比例，error rate = (FP+FN)/(P+N)，对某一个实例来说，分对与分错是互斥事件，所以a...
Pytorch实现Top1准确率和Top5准确率
06-06
Pytorch实现Top1准确率和Top5准确率需要通过计算模型在测试集上的预测结果与真实标签的匹配情况来实现。具体步骤如下： 1. 首先，使用模型对测试集中的样本进行预测，得到每个样本的预测结果。 2. 对于每个样本，将预测结果按照概率从高到低排序，得到一个概率列表。 3. 获取真实标签在概率列表中的位置，如果真实标签在概率列表中的第一个位置，则表示该样本的Top1准确率为1，否则Top1准确率为0。 4. 获取真实标签在概率列表中前5个位置的个数，如果个数大于等于1，则表示该样本的Top5准确率为1，否则Top5准确率为0。 5. 对于所有测试集样本的Top1准确率和Top5准确率进行累加计算，最终得到平均Top1准确率和Top5准确率。 以下是一个示例代码实现： ```python import torch def accuracy(output, target, topk=(1, 5)): """计算模型的Top-K准确率""" with torch.no_grad(): maxk = max(topk) batch_size = target.size(0) _, pred = output.topk(maxk, 1, True, True) pred = pred.t() correct = pred.eq(target.view(1, -1).expand_as(pred)) res = [] for k in topk: correct_k = correct[:k].reshape(-1).float().sum(0, keepdim=True) res.append(correct_k.mul_(100.0 / batch_size)) return res # 计算模型在测试集上的Top1准确率和Top5准确率 model.eval() top1_acc = 0.0 top5_acc = 0.0 total = 0 for data in test_loader: images, labels = data[0].to(device), data[1].to(device) outputs = model(images) acc1, acc5 = accuracy(outputs, labels, topk=(1, 5)) top1_acc += acc1.item() * images.size(0) top5_acc += acc5.item() * images.size(0) total += images.size(0) top1_acc /= total top5_acc /= total print(f"Top1 Accuracy: {top1_acc:.2f}%") print(f"Top5 Accuracy: {top5_acc:.2f}%") ``` 其中，`accuracy`函数用于计算模型的Top-K准确率，`output`是模型的预测输出，`target`是真实标签，`topk`是一个元组，表示要计算的Top-K值，默认为(1, 5)。在计算Top-K准确率时，会将预测输出按照概率从高到低排序，然后获取前K个预测值与真实标签的匹配情况，最终返回一个列表，包含Top-K准确率的值。在计算测试集上的Top1准确率和Top5准确率时，需要将模型设置为评估模式(`model.eval()`)，然后对测试集中的每个样本进行预测，并累加Top1准确率和Top5准确率的值，最终除以测试集样本的总数，得到平均Top1准确率和Top5准确率。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值