tensorflow 实现计算混淆矩阵和各类评估指标

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+
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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