Pytorch如何计算误判率,计算准确率,计算召回率

小编给大家分享一下Pytorch如何计算误判率,计算准确率,计算召回率，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

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 : correct to wrong 标签为正确的，预测为错误的

WTC: wrong to correct 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

以上是“Pytorch如何计算误判率,计算准确率,计算召回率”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！