利用np.sum计算准确度的坑

最新推荐文章于 2024-03-26 17:43:46 发布
最新推荐文章于 2024-03-26 17:43:46 发布
阅读量1k 收藏
点赞数
分类专栏： 代码 文章标签： python sklearn 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/good18Levin/article/details/121676118
版权
这篇博客探讨了在使用numpy的`np.sum`函数时，确保输入数组`y`和`y_predict`形状一致的重要性。如果它们的形状不匹配，例如一个为(n,)而另一个为(n,1)，会导致矩阵运算的广播错误，产生不正确的结果，而非引发错误。作者强调了正确匹配形状以避免意外数值计算的关键性。
摘要由CSDN通过智能技术生成

np.sum(y == y_predict) 其中y和y_predict必须是同一个shape，要么都是(n,) ， 要么都是（n, 1），**千万不要是一个是（n,）,另外一个是（n,1），不然计算出的结果会非常大，因为这时候会自动广播成两个矩阵相减了！**这里不会报错的哦！

计算机视觉实战--OpenCV进行红绿灯识别
Hello大家好，我是Dream，如果帮得到你，那我深感荣幸！交流学习、商务合作：https://bbs.csdn.net/topics/614347534
05-30 8万+
Hello大家好，我是Dream。 OpenCV是一个开源的计算机视觉库，可以用于实现各种图像和视频处理任务，包括红绿灯识别。可以帮助自动驾驶汽车、智能交通系统等设备准确地识别红绿灯的状态，以便做出正确的决策。今天，就有Dream带领大家复盘一下计算机视觉中最经典的实验：OpenCV进行红绿灯识别，一起来看看吧~
python多分类混淆矩阵代码_深度学习自学记录（3）——两种多分类混淆矩阵的Python实现（含代码）...
weixin_42361608的博客
02-20 4922
深度学习自学记录(3)——两种多分类混淆矩阵的Python实现(含代码)1、什么是混淆矩阵2、分类模型评价指标3、两种多分类混淆矩阵3.1直接打印出每一个类别的分类准确率。3.2打印具体的分类结果的数值4、总结1、什么是混淆矩阵深度学习中，混淆矩阵是ROC曲线绘制的基础，同时它也是衡量分类型模型准确度中最基本，最直观，计算最简单的方法。它可以直观地了解分类模型在每一类样本里面表现，常作为模型评估的...
python 求和 精度问题_解决Numpy中sum函数求和结果维度的问题
weixin_39578513的博客
12-05 793
使用Numpy(下面简称np)中的sum函数对某一维度求和时，由于该维度会在求和后变成一个数，所以所得结果的这一维度为空。比如下面的例子：a = np.array([[1,2,3],[4,5,6]])b = np.sum(a,axis=1)print(b.shape)# (2,)所以，对于一个shape为(2,3)的数组，在默认情况下使用np.sum函数求和后得到的结果shape是 (2,)，如果...
使用numpy计算准确率
这个人很蓝
04-08 5521
准确率即预测正确个数占所有样本的比例，代码如下（数组中一行代表一个样本） import numpy preds = numpy.array([[1, 2, 3, 4], [2, 2, 1, 1]]) true = numpy.array([[1, 2, 3, 4], [2, 2, 2, 1]]) correct_pr...
Python：手工计算分类精度
DeniuHe的博客
11-17 1067
import numpy as np a = np.array([1,2,3,4,5,6,7]) b = np.array([1,2,4,5,5,7,7]) predicitons = (b == a) score = np.sum(predicitons == True) / len(b) print(predicitons) print(score)
神经网络代码实现（用手写数字识别数据集实验）
最新发布
JamesSwifte的博客
03-26 1269
读者需要了解神经网络的基础知识，可以参考神经网络（深度学习，计算机视觉，得分函数，损失函数，前向传播，反向传播，激活函数）本文为大家详细的描述了，实现神经网络的逻辑，代码。并且用手写识别来实验，结果基本实现了神经网络的要求。
Python numpy 统计数组某一元素的个数/ 统计数组满足条件的元素个数
Roxlu7的博客
08-20 3万+
我们在数据处理的时候，有时需要统计数组中某个元素的个数，如果写个循环就太麻烦了，numpy中有相应的函数进行统计。
Task7_KNN（K最近邻分类）算法
weixin_43604754的博客
01-20 529
KNN（K最近邻分类）算法 如果有一个数据集中，有N类数据。输入没有标分类的数据集后，我们可以将预测集中的数据，和训练集的数据相比较，提取和预测数据最相似（距离最近）的K个数据，选择这K个数据中出现次数最多的标签，作为新数据的分类。 KNN算法的思想非常简洁直观： 1、计算测试数据与各个训练数据之间的距离； 2、按照距离的递增关系进行排序； 3、选取距离最小的K个点； 4、确定前K个点所...
目标检测如何计算召回率_目标检测算法之常见评价指标的详细计算方法及代码解析...
weixin_30395665的博客
01-16 1494
前言之前简单介绍过目标检测算法的一些评价标准，地址为为目标检测算法之评价标准和常见数据集盘点。然而这篇文章仅仅只是从概念性的角度来阐述了常见的评价标准如Acc，Precision，Recall，AP等。并没有从源码的角度来分析具体的计算过程，这一篇推文的目的就是结合代码再次详细的解释目标检测算法中的常见评价标准如Precision，Recall，AP，mAP的具体计算过程。评价指标由于在上面那篇推...
网络模型mAP计算实现代码
吴建明wujianming_110117
05-04 842
网络模型mAP计算实现代码 一、mAP精度计算 这里首先介绍几个常见的模型评价术语，现在假设我们的分类目标只有两类，计为正例（positive）和负例（negtive）分别是： 1）True positives(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）； 2）False positives(FP): 被错误地划分为正例的个数，即实际为负例但被分类器...
关于numpy.sum(==)函数判断用法的一点理解，np.sum()的一个巧妙方法
weixin_45987654的博客
05-12 1128
本文章是基于另一位博主的文章一点见解： https://blog.csdn.net/weixin_41571247/article/details/8487602 如果有小伙伴知道怎么查看这个np.sum(==)官方理解请告诉我呀。 今天在学习用神经网络one_hot方法预测的时候对最后的错误分类数目记录遇到了这样一段代码：` res=clt.predict(dataSet) #对训练集进行也测后返回得到res数组 error_num=0 #初始化误分类数量 num=len(dataSet)#预测结果总
利用NumPy进行高效计算_第一部分
weixin_47461068的博客
05-04 908
一、NumPy的用途 NumPy（Numerical Python）是 Python 语言的一个扩展程序库，是一个高效计算工具，不同于普通编程中变量计算，具有以下特点： 可以进行n维数组的高效计算，具有矢量运算能力，且快速，节省空间； 能进行线性代数、傅立叶变换等多种高效科学运算，可对整组数据进行快速运算的标准数学函数； 有丰富的随机数功能； 有丰富的数组处理功能，可以进行广播计算； N...
机器学习之分类问题的评估指标1---准确率、精确率、召回率以及F1值
weixin_41650458的博客
09-09 4100
  Relevant NonRelevant Retrived True Positive（TP） False Positive（FP） Not Retrived False Negative（FN） True Negative（TN）...
终于有人把准确率、精度、召回率、均方差和R²都讲明白了
大数据
04-14 3477
导读：在真实场景中，模型很少能成功地预测所有的内容。我们知道应该使用测试集的数据来评估我们的模型。但是这到底是如何工作的呢？简短但不是很有用的答案是，这取决于模型。人们已经提出了各种评分函...
python中的sum函数.sum(axis=1)
三片叶子的修行日记
07-22 1202
看起来挺简单的样子，但是在给sum函数中加入参数。sum（a，axis=0）或者是.sum(axis=1) 就有点不解了在我实验以后发现 我们平时用的sum应该是默认的axis=0 就是普通的相加 而当加入axis=1以后就是将一个矩阵的每一行向量相加例如：import numpy as npnp.sum([[0,1,2],[2,1,3],axis=1)结果就是：array（[3,6]）下面是自己的
np.sum报错TypeError: sum() got an unexpected keyword argument ‘axis‘
Mr.horse的博客
03-10 1521
这是因为直接对torch.tensor进行np.sum操作造成的，只要首先将需要求和的数据转换为numpy array即可 tensor = tensor.numpy()
pytorch复现loss遇到的问题
duanmuji的博客
08-19 808
复现交叉熵 首先定义了函数对照公式实现了交叉熵的功能 def CrossEntropy(inputs, targets): return np.sum(np.nan_to_num(-targets*(np.log(inputs))) 运用到项目代码中出现了detach()问题，且因为类型非variable 无法更新梯度，无法backward 由于我的项目代码使用的torch框架...
sklearn计算准确率、精确率、召回率、F1 score
热门推荐
MrLittleDog的博客
03-06 17万+
目录混淆矩阵准确率精确率召回率 分类是机器学习中比较常见的任务，对于分类任务常见的评价指标有准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1 score、ROC曲线（Receiver Operating Characteristic Curve）等。 这篇文章将结合sklearn对准确率、精确率、召回率、F1 score进行讲解，ROC曲线可以参考我的这篇文章...
cf_matrix/np.sum(cf_matrix)
06-07
这看起来像是一个计算混淆矩阵（Confusion Matrix）中的精确度（accuracy）的代码。Confusion Matrix 是用于评估分类模型性能的一种方法，其中每行表示实际类别，每列表示预测类别。在这种情况下，`cf_matrix` 是混淆矩阵，`np.sum(cf_matrix)` 是混淆矩阵中所有元素的总和，即数据集中的总样本数。计算精确度的公式是：精确度 = (True Positive + True Negative) / Total，其中 True Positive 表示模型正确预测为正样本的数量，True Negative 表示模型正确预测为负样本的数量。因此，`cf_matrix/np.sum(cf_matrix)` 的结果是混淆矩阵中每个元素除以总样本数，得到的是模型对每个类别的预测准确率。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值