Recall

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

召回率Recall(也称为敏感度)是指得到的相关实例数占相关实例总数的比例。https://en.wikipedia.org/wiki/Precision_and_recall 该类管理二分类任务的召回率。

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  3.  
  4. metric = fluid.metrics.Recall()
  5. # 生成预测值和标签
  6. preds = [[0.1], [0.7], [0.8], [0.9], [0.2],
  7. [0.2], [0.3], [0.5], [0.8], [0.6]]
  8. labels = [[0], [1], [1], [1], [1],
  9. [0], [0], [0], [0], [0]]
  10.  
  11. preds = np.array(preds)
  12. labels = np.array(labels)
  13.  
  14. metric.update(preds=preds, labels=labels)
  15. recall = metric.eval()
  16.  
  17. print("expected recall: %.2f and got %.2f" % ( 3.0 / 4.0, recall))
  • update(preds, labels)

使用当前mini-batch的预测结果更新召回率的计算。

  • 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()

计算出最终的召回率。

参数:无

返回:召回率的计算结果。标量输出,float类型 返回类型:float