昌平区做网站,网站制作做网站,网站开发 前端修改,wordpress图片lazyload作者#xff1a;十岁的小男孩 凡心所向#xff0c;素履可往 目录 监督学习—混淆矩阵 是什么#xff1f;有什么用#xff1f;怎么用#xff1f; 非监督学习—匹配矩阵 混淆矩阵 矩阵每一列代表预测值#xff0c;每一行代表的是实际的类别。这个名字来源于它可以非常容…作者十岁的小男孩 凡心所向素履可往 目录 监督学习—混淆矩阵 是什么有什么用怎么用 非监督学习—匹配矩阵 混淆矩阵 矩阵每一列代表预测值每一行代表的是实际的类别。这个名字来源于它可以非常容易的表明多个类别是否有混淆也就是一个class被预测成另一个class。 假设有一个用来对猫cats、狗dogs、兔子rabbits进行分类的系统混淆矩阵就是为了进一步分析性能而对该算法测试结果做出的总结。假设总共有 27 只动物8只猫 6条狗 13只兔子。结果的混淆矩阵如上图 在这个混淆矩阵中实际有8只猫但是系统将其中3只预测成了狗对于6条狗其中有1条被预测成了兔子2条被预测成了猫。从混淆矩阵中我们可以看出系统对于区分猫和狗存在一些问题但是区分兔子和其他动物的效果还是不错的。所有正确的预测结果都在对角线上所以从混淆矩阵中可以很方便直观的看出哪里有错误因为他们呈现在对角线外面。 tf.confusion_matrix 定义 tf.confusion_matrix(labels,predictions,num_classesNone,dtypetf.int32,nameNone,weightsNone
) ARGS labelsTensor分类任务的1-D 真实标签。predictionsTensor给定分类的1-D 预测。num_classes分类任务可能具有的标签数量。如果未提供此值则将使用预测和标签数组计算该值。dtype混淆矩阵的数据类型。name范围名称。weights可选Tensor的形状匹配predictions。返回 甲Tensor类型的dtype具有形状[n, n]表示所述混淆矩阵其中n是在分类任务可能的标签的数量。 例子 tf.confusion_matrix([1, 2, 4], [2, 2, 4]) [[0 0 0 0 0][0 0 1 0 0][0 0 1 0 0][0 0 0 0 0][0 0 0 0 1]] 请注意假设可能的标签是[0, 1, 2, 3, 4]导致5x5混淆矩阵。 我的图片分类项目中遇到的实例 1.定义两个矩阵用于放真实的标签和预测的标签大小根据测试的次数计算,全为0.[1,test_num] Y_truenp.zeros(len(test_num))#真实的标签
Y_predictnp.zeros(len(test_num))#预测的标签 2.将每步训练的标签放在矩阵中我的项目中预测的的为标签类似[0,0,0,1,0,0,0]取出最大的即为4本步在循环中记录每步训练。 Y_true[step_test]np.argmax(testing_ys)
Y_predict[step_test]np.argmax(predict) 3.调用TensorFlow的混淆矩阵函数这一步需要将矩阵转换为tensor在TensorFlow中运行的单元为tensor confuse_martixsess.run(tf.convert_to_tensor(tf.confusion_matrix(Y_true,Y_predict)))
print(confuse_martix) 4.结果 匹配矩阵 在预测分析中混淆表格有时候也称为混淆矩阵是由false positivesfalsenegativestrue positives和true negatives组成的两行两列的表格。它允许我们做出更多的分析而不仅仅是局限在正确率对于上面的矩阵可以表示为下面的表格 查准率 精度 precision 查全率 召回率 recall 本文仅用于学习研究非商业用途欢迎大家指出错误一起学习 本文参考了以下地址的讲解万分感谢,如有侵权请联系我会尽快删除929994365qq.com TensorFlow API网站https://tensorflow.google.cn/api_docs/python/tf/confusion_matrixTensorFlow的api在这个网站都可以查到 https://blog.csdn.net/qq_28448117/article/details/78219549转载于:https://www.cnblogs.com/missidiot/p/9450662.html
