tensorflow 实现计算混淆矩阵和各类评估指标

最新推荐文章于 2023-10-23 08:33:40 发布

原创

最新推荐文章于 2023-10-23 08:33:40 发布 · 6.8k 阅读

16 ·

CC 4.0 BY-SA版权

一 tf.confusion_matrix(y,pred_y,num_classes)

以二分类为例，混淆矩阵为2*2的矩阵，如果我们真实标签为real=[0,1,1,0,1]，预测标签为predict=[0,1,0,1,1]

num_classes为分类数,一定要设置这个！！！否则默认为None
测试

import numpy as np
import tensorflow as tf
y=np.array([[1,0],[1,0],[1,0],[1,0],[1,0]])
y=tf.convert_to_tensor(y)
predict=np.array([[1,0],[1,0],[1,0],[1,0],[1,0]])
predict=tf.convert_to_tensor(predict)

confusion_matrix=tf.confusion_matrix(tf.argmax(y,1),tf.argmax(predict,1),num_classes=2)
       
with tf.Session() as sess: #开始一个会话 
    matrix=sess.run(confusion_matrix)
    print(matrix)
  #输出[[5 0] [0 0]]
 #如果不加num_classes=2就会输出[[5]]

二评估指标

得到混淆矩阵后，即可得到TP,TN,FP,FN。根据各种指标的公式可求

def evaluate(confusion_metrics):
    TP=confusion_metrics[0][0]
    FP=confusion_metrics[0][1]
    FN=confusion_metrics[1][0]
    TN=confusion_metrics[1][1]
    
    
    ACC=(TP+TN)/(TP+TN+FP+FN)
    SEN=TP/(TP+