pytorch神经网络多分类任务计算准确率和Macro-

最新推荐文章于 2025-03-20 20:34:09 发布

正丶好

最新推荐文章于 2025-03-20 20:34:09 发布

阅读量1.7k

点赞数

分类专栏： python 文章标签： pytorch 神经网络分类 Macro-F1 F1分数

本文链接：https://blog.youkuaiyun.com/qq_40345954/article/details/124840218

版权

python 专栏收录该内容

6 篇文章

订阅专栏

class_num=5  # 分类数 
confusion_matrix = torchnet.meter.ConfusionMeter(class_num) 
# 使用torchnet包创建5分类混淆矩阵

# 每运行完一个batch 迭代混淆矩阵
for ii, (val_input, label) in enumerate(dataloader):
    val_input = val_input.to(opt.device)
    score = model(val_input)
    confusion_matrix.add(score.detach().squeeze(), label.type(torch.LongTensor))

cm_value = confusion_matrix.value() # 5x5 numpy数组 

TP, FN, FP, TN = [[], [], [], []]
for i in range(class_num):
    tp = cm_value[i][i]
    fn = cm_value[:, i].sum() - cm_value[i][i]
    fp = cm_value[i, :].sum() - cm_value[i][i]
    tn = cm_value.sum() - tp - fn - fp
    TP.append(tp)
    FN.append(fn)
    FP.append(fp)
    TN.append(tn)

'''计算准确率和Macro-F1'''
accuracy = 100. * (sum(TP)) / (cm_value.sum())  # 准确率
Macro_F1s = []
for i in range(class_num):
    P_i = 0.0 if math.isnan(TP[i] / (TP[i] + FP[i])) else 100.*TP[i] / (TP[i] + FP[i])  
    # i类别的精准率
    R_i = 0.0 if math.isnan(TP[i] / (TP[i] + FN[i])) else 100.*TP[i] / (TP[i] + FN[i])  
    # i类别的召回率

    F1_i = 0.0 if math.isnan(2 * P_i * R_i / P_i + R_i) else 2 * P_i * R_i / P_i + R_i
        Macro_F1s.append(F1_i)
Macro_F1s = np.array(Macro_F1s)
Macro_F1 = Macro_F1s.mean()

示例代码，不可运行，