1

我正在阅读张量流网站上的图像分类教程：https ://www.tensorflow.org/tutorials/images/classification

该模型将花卉分为 5 类之一：雏菊、蒲公英、玫瑰、向日葵和郁金香。

我可以看到总体准确度是多少，但是有什么方法可以知道每个班级的准确度如何？

例如，我的模型可能非常擅长预测雏菊、蒲公英、玫瑰和向日葵（准确率接近 100%），而不能预测郁金香（接近 0%），我认为我仍然会看到 80% 的总体准确率（假设类是平衡的）。我需要知道各个类的准确度，才能将该性能与预测所有类的准确率大致相等的模型区分开来 80%。

4

2 回答 2

1

您只需使用 sklearn 中的分类报告即可做到这一点。

参考文档

于 2021-01-11T16:41:09.603 回答
0

当我问这个问题时，我没有足够的 python（或 scikit-learn）知识来回答。分类报告（如 prashant0598 所建议的）接近我需要的，尽管它实际上并不具有准确性。以下是分类报告的使用方法：

from sklearn.metrics import classification_report
import pandas as pd

y_pred = model.predict(val_ds)
y_pred = np.argmax(y_pred, axis=1)

y_true = np.concatenate([y for x, y in val_ds], axis=0)

cr = classification_report(y_true, y_pred, output_dict=True, target_names=class_names)
pd.DataFrame.from_dict(cr)

分类报告输出（除其他外）精度和召回率，这会有所帮助。

为了得到类的准确性，我们必须更多地手动执行此操作。这是一种方法：

from sklearn.metrics import accuracy_score

def class_accuracy(class_no):
  pred_filter = y_true==class_no
  acc = accuracy_score(y_true[pred_filter], y_pred[pred_filter])
  return acc

{class_name: class_accuracy(i) for i, class_name in enumerate(class_names)}

{“雏菊”：0.6589147286821705，
“蒲公英”：0.75，
“玫瑰”：0.6，
“向日葵”：0.868421052631579，
“郁金香”：0.6942675159235668}

所以现在我知道了，向日葵是最容易预测的，而玫瑰则特别棘手！

于 2021-06-22T12:06:49.183 回答