Precision

  • class paddle.fluid.metrics.Precision(name=None)[源代码]

精确率Precision(也称为 positive predictive value,正预测值)是被预测为正样例中实际为正的比例。 https://en.wikipedia.org/wiki/Evaluation_of_binary_classifiers 该类管理二分类任务的precision分数。

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  3.  
  4. metric = fluid.metrics.Precision()
  5.  
  6. # 生成预测值和标签
  7.  
  8. preds = [[0.1], [0.7], [0.8], [0.9], [0.2],
  9.          [0.2], [0.3], [0.5], [0.8], [0.6]]
  10.  
  11. labels = [[0], [1], [1], [1], [1],
  12.           [0], [0], [0], [0], [0]]
  13.  
  14. preds = np.array(preds)
  15. labels = np.array(labels)
  16.  
  17. metric.update(preds=preds, labels=labels)
  18. precision = metric.eval()
  19.  
  20. print("expected precision: %.2f and got %.2f" % ( 3.0 / 5.0, precision))
  • update(preds, labels)

使用当前mini-batch的预测结果更新精确率的计算。

  • 参数:
    • preds (numpy.array) - 当前mini-batch的预测结果，二分类sigmoid函数的输出，shape为[batch_size, 1]，数据类型为'float64'或'float32'。
    • labels (numpy.array) - 当前mini-batch的真实标签，输入的shape应与preds保持一致，shape为[batch_size, 1]，数据类型为'int32'或'int64'

返回：无

  • eval()

计算出最终的精确率。

参数：无

返回: 精确率的计算结果。标量输出，float类型 返回类型：float