Pytorch 计算误判率,计算准确率,计算召回率的例子
无论是官方文档还是各位大神的论文或搭建的网络很多都是计算准确率，很少有计算误判率，
下面就说说怎么计算准确率以及误判率、召回率等指标
1.计算正确率
获取每批次的预判正确个数
train_correct=(pred==batch_y.squeeze(1)).sum()
该语句的意思是预测的标签与实际标签相等的总数
获取训练集总的预判正确个数
train_acc+=train_correct.data[0]#用来计算正确率
准确率：train_acc/(len(train_data))
2.误判率
举例：当你是二分类时，你需要计算原标签为1，但预测为0，以及原标签为0，预测为1的误判率
误判率又分为：
CTW:correcttowrong标签为正确的，预测为错误的
WTC:wrongtocorrect标签为错误的，预测为正确的
zes=Variable(torch.zeros(lasize).type(torch.LongTensor))#全0变量
ons=Variable(torch.ones(lasize).type(torch.LongTensor))#全1变量
train_correct01=((pred==zes)&(batch_y.squeeze(1)==ons)).sum()#原标签为1，预测为0的总数
train_correct10=((pred==ons)&(batch_y.squeeze(1)==zes)).sum()#原标签为0，预测为1的总数
train_correct11=((pred_y==ons)&(batch_y.squeeze(1)==ons)).sum()
train_correct00=((pred_y==zes)&(batch_y.squeeze(1)==zes)).sum()
获取训练集总的误判个数
FN+=train_correct01.data[0]
FP+=train_correct10.data[0]
TP+=train_correct11.data[0]
TN+=train_correct00.data[0]
误判率：
(FN+FP)/(len(train_data))#CTW+WTC
3.精准率和召回率
精准率：P=TP/(TP+FP)
召回率：R=TP/(TP+FN)
4.真正例率和假正例率
真正例率：TPR=TP/(TP+FN)
假正例率：FPR=FP/(FP+TN)
最后，当你要计算多分类的误判率时，只需在二分类的基础上类推即可
以上这篇Pytorch计算误判率,计算准确率,计算召回率的例子就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。