pytorch中计算准确率,召回率和F1值的方法
导读：本文共3149.5字符，通常情况下阅读需要10分钟。同时您也可以点击右侧朗读，来听本文内容。按键盘←（左） →（右） 方向键可以翻页。
摘要： 看代码吧~predict=output.argmax(dim=1)confusion_matrix=torch.zeros(2,2)fort,pinzip(predict.view(-1),target.view(-1)):confusion_matrix[t.long(),p.long()]+=1a_p=(confusion_matrix.diag()... ...
音频解说
目录
(为您整理了一些要点),点击可以直达。
补充：pytorch 查全率 recall 查准率 precision F1调和平均 准确率 accuracy
补充：Python scikit-learn，分类模型的评估，精确率和召回率，classification_report
分类模型的评估标准一般最常见使用的是准确率（estimator.score()），即预测结果正确的百分比。
准确率是相对所有分类结果；精确率、召回率、F1-score是相对于某一个分类的预测评估标准。
精确率(Precision)：预测结果为正例样本中真实为正例的比例（查的准）（
）
分类的其他评估标准：F1-score，反映了模型的稳健型
demo.py（分类评估，精确率、召回率、F1-score，classification_report）：
召回率的意义(应用场景)：产品的不合格率(不想漏掉任何一个不合格的产品，查全)；癌症预测（不想漏掉任何一个癌症患者）
本文：
pytorch中计算准确率,召回率和F1值的方法的详细内容，希望对您有所帮助，信息来源于网络。