|
|
真實1 |
真實0 |
| 預測1 |
TRUE Positive(TP)真陽性 |
FALSE Positive(FP)假陽性 |
| 預測0 |
False Negative(FN)假陰性 |
True Negative（TN）真陰性 |
查准率（precision），指的是預測值為1且真實值也為1的樣本在預測值為1的所有樣本中所占的比例。以西瓜問題為例，算法挑出來的西瓜中有多少比例是好西瓜。
召回率（recall），也叫查全率，指的是預測值為1且真實值也為1的樣本在真實值為1的所有樣本中所占的比例。所有的好西瓜中有多少比例被算法挑了出來。
F1分數（F1-Score），又稱為平衡F分數（BalancedScore），它被定義為精確率和召回率的調和平均數。
IOU（Intersection over Union）交並比。計算真實值和預測值集合的交集與並集之比。
計算IOU需要用到的函數，TensorFlow里的是tf.count_nonzero(x)計算張量x里的非零元素個數。Numpy里是np.count_nonzero(x),計算矩陣x里非零元素個數；numpy中np.nonzero()函數，得到數組array中非零元素的位置（數組索引）的函數。
TP = tf.count_nonzero(y_pred_tf * y_true_tf)
TN = tf.count_nonzero((y_pred_tf - 1) * (y_true_tf - 1))
FP = tf.count_nonzero(y_pred_tf * (y_true_tf - 1))
FN = tf.count_nonzero((y_pred_tf - 1) * y_true_tf)
iou= TP / (TP + FP + FN)
6、張量操作
tensorflow 計數器 tf.bincount(x) 統計x里每個元素的個數
tf.count_nonzero() 統計x里非零元素的個數
tf.unique_with_counts()
參見：https://www.cnblogs.com/yifdu25/p/8313251.html
https://www.cnblogs.com/fwl8888/p/9791879.html
https://www.w3cschool.cn/tensorflow_python/tensorflow_python-z5822of0.html