机器学习: 性能度量
来源:互联网 发布:recyclerview 无数据 编辑:程序博客网 时间:2024/05/21 09:14
介绍
在机器学习中,性能度量主要体现在三个指标: 查准率(P)、查全率(R)、F1 。
代码模板
# coding=utf-8import sysreload(sys)sys.setdefaultencoding('utf-8')... ...def performance(tp, fn, fp, tn): # 查准率 P = tp / float(tp + fp) # 查全率 R = tp / float(tp + fn) # F1 F1 = (2 * P * R) / (P + R) # print P, R, F1 return P, R, F1... ...P, R, F1 = performance(white_pixels, red_pixels, green_pixels, black_pixels)print '查准率 P = {:>.3f}, 查全率 R = {:>.3f}, F1 = {:>.3f}'.format(P, R, F1).encode('gb18030')... ...
运用示例
# coding=utf-8import sysreload(sys)sys.setdefaultencoding('utf-8')diff_path = './data/diff.jpg'black_pixels, white_pixels, green_pixels, red_pixels = 29158, 530899, 75994, 3949sum_pixels = 640000def performance(tp, fn, fp, tn): # 查准率 P = tp / float(tp + fp) # 查全率 R = tp / float(tp + fn) # F1 F1 = (2 * P * R) / (P + R) # print P, R, F1 return P, R, F1def occupancy_cal(a, b): result = (a + b) / float(sum_pixels) return resultdef loss_cal(a, b): result = (a - b) / float(a) return resultprint '以 二值化结果 作为 预测值, 标注框结果 作为 ground_truth 时:'.encode('gb18030')truth, predict = occupancy_cal(white_pixels, red_pixels), occupancy_cal(white_pixels, green_pixels)loss = loss_cal(truth, predict)print '实际 横截面区域 占图像 {:>.3f}, 预测值为 {:>.3f}, 损失比例为 {:>.3f}'.format(truth, predict, loss).encode('gb18030')P, R, F1 = performance(white_pixels, red_pixels, green_pixels, black_pixels)print '查准率 P = {:>.3f}, 查全率 R = {:>.3f}, F1 = {:>.3f}'.format(P, R, F1).encode('gb18030')printprint '以 标注框结果 作为 预测值, 二值化结果 作为 ground_truth 时:'.encode('gb18030')truth, predict = occupancy_cal(white_pixels, green_pixels), occupancy_cal(white_pixels, red_pixels)loss = loss_cal(truth, predict)print '实际 横截面区域 占图像 {:>.3f}, 预测值为 {:>.3f}, 损失比例为 {:>.3f}'.format(truth, predict, loss).encode('gb18030')P, R, F1 = performance(white_pixels, green_pixels, red_pixels, black_pixels)print '查准率 P = {:>.3f}, 查全率 R = {:>.3f}, F1 = {:>.3f}'.format(P, R, F1).encode('gb18030')
打印结果:
以 二值化结果 作为 预测值, 标注框结果 作为 ground_truth 时:实际 横截面区域 占图像 0.836, 预测值为 0.948, 损失比例为 -0.135查准率 P = 0.875, 查全率 R = 0.993, F1 = 0.930以 标注框结果 作为 预测值, 二值化结果 作为 ground_truth 时:实际 横截面区域 占图像 0.948, 预测值为 0.836, 损失比例为 0.119查准率 P = 0.993, 查全率 R = 0.875, F1 = 0.930
阅读全文
1 0
- 机器学习: 性能度量
- 机器学习笔记 - 性能度量
- 机器学习之性能度量
- 机器学习模型性能度量
- 机器学习模型性能度量
- 机器学习笔记(六)性能度量
- 机器模型性能度量
- 机器学习学习笔记(4)-----学习器的性能度量
- 说说那些机器学习中的性能度量方式
- 机器学习之分类模型的性能度量
- 【机器学习杂货铺】——性能度量(暂缺)
- 机器学习:算法性能度量之查准率与查全率
- 机器学习中的相似性度量
- 机器学习中的相似性度量
- 机器学习中的相似性度量
- 机器学习中的相似性度量
- 机器学习中的相似性度量
- 机器学习中的相似性度量
- AWE2016提前爆料,智城云小伙伴将展示哪些黑科技?
- 汇编写启动代码之设置栈和调用C语言
- STM32F030 USART2配置函数 波特率不对导致无法进入中断
- 全局描述符表
- 旅游规划(25 分)
- 机器学习: 性能度量
- Struts2入门+提升
- 点击a超链接 下载而不是直接打开
- Leetcode个人题解10
- 计算机网络 整理笔记(1.4) 计算机网络的分类
- maven
- 全球首款LPDDR4 6GB运存 vivo Xplay5配置官方曝光
- NFC支付前景不明朗 大规模投入或打水漂
- 关于线程调用以及正则化