machine-learning - 从真实值和预测值获取准确性

Question

我有 predicted_y 和 real_y。

有没有比以下更快的方法来获得准确性:

from keras import backend as K

accuracy_array = K.eval(keras.metrics.categorical_accuracy(real_y, predicted_y))

print(sum(accuracy_array)/len(accuracy_array))

Answer 1

我建议使用 scikit-learn 来达到我在评论中提到的目的。

示例 1:

from sklearn import metrics

results = metrics.accuracy_score(real_y, predicted_y)

您还可以获得分类报告，包括精度、召回率、f1-scores。

示例 2:

from sklearn.metrics import classification_report

y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
target_names = ['class 0', 'class 1', 'class 2']
print(classification_report(y_true, y_pred, target_names=target_names))

                precision    recall  f1-score   support

    class 0       0.50      1.00      0.67         1
    class 1       0.00      0.00      0.00         1
    class 2       1.00      0.67      0.80         3

avg / total       0.70      0.60      0.61         5

最后，对于混淆矩阵，请使用:

示例 3:

from sklearn.metrics import confusion_matrix

y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]

confusion_matrix(y_true, y_pred)

array([[1, 0, 0],
       [1, 0, 0],
       [0, 1, 2]])