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
- import paddle.fluid as fluid
- import numpy as np
- metric = fluid.metrics.Recall()
- # 生成预测值和标签
- preds = [[0.1], [0.7], [0.8], [0.9], [0.2],
- [0.2], [0.3], [0.5], [0.8], [0.6]]
- labels = [[0], [1], [1], [1], [1],
- [0], [0], [0], [0], [0]]
- preds = np.array(preds)
- labels = np.array(labels)
- metric.update(preds=preds, labels=labels)
- recall = metric.eval()
- 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