Precision

class paddle.metric.Precision [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。

注意：这个metric只能用来评估二分类。

参数:

  • name (str，可选) – metric实例的名字，默认是’precision’。

代码示例:

独立使用示例:

  1. import numpy as np
  2. import paddle
  4. x = np.array([0.1, 0.5, 0.6, 0.7])
  5. y = np.array([0, 1, 1, 1])
  7. m = paddle.metric.Precision()
  8. m.update(x, y)
  9. res = m.accumulate()
  10. print(res) # 1.0

在Model API中的示例:

  1. import numpy as np
  3. import paddle
  4. import paddle.nn as nn
  6. class Data(paddle.io.Dataset):
  7.     def __init__(self):
  8.         super(Data, self).__init__()
  9.         self.n = 1024
  10.         self.x = np.random.randn(self.n, 10).astype('float32')
  11.         self.y = np.random.randint(2, size=(self.n, 1)).astype('float32')
  13.     def __getitem__(self, idx):
  14.         return self.x[idx], self.y[idx]
  16.     def __len__(self):
  17.         return self.n
  19. model = paddle.Model(nn.Sequential(
  20.     nn.Linear(10, 1),
  21.     nn.Sigmoid()
  22. ))
  23. optim = paddle.optimizer.Adam(
  24.     learning_rate=0.001, parameters=model.parameters())
  25. model.prepare(
  26.     optim,
  27.     loss=nn.BCELoss(),
  28.     metrics=paddle.metric.Precision())
  30. data = Data()
  31. model.fit(data, batch_size=16)

update ( preds, labels, \args* )

更新Precision的状态。

参数:

  • preds (numpy.array | Tensor): 预测输出结果通常是sigmoid函数的输出，是一个数据类型为float64或float32的向量。

  • labels (numpy.array | Tensor): 真实标签的shape和:code: preds 相同，数据类型为int32或int64。

返回: 无。

reset ( )

清空状态和计算结果。

返回：无

accumulate ( )

累积的统计指标，计算和返回precision值。

返回：precision值，一个标量。

name ( )

返回Metric实例的名字, 参考上述的name，默认是’precision’。

返回: 评估的名字，string类型。