(内含源码)多分类问题评估的精确率、召回率,f1度量即precision,recall,f1-measure的python代码实现

这是一个开源的Python模块,用于计算多分类问题的精确率、召回率、准确率和F1度量。文章提供了初始化方法和使用示例,并且支持TensorboardX进行数据记录。
摘要由CSDN通过智能技术生成

multiclassify-eval


代码开源在github上,有需要的同学可以点这里multiclassify-eval来git clone。


A simple python module to calculate precision, recall, accuracy and f-measure for multi-classify evaluation.

一个基于Python的简单的多分类问题评估模块,包含查准率(精确率)、查全率(召回率)、精确度,F1度量。

Introdution

You can init it by:

你可以通过以下方式初始化:

from evaluation import 
evals = Evaluations(pred,gt,CLASSES)

Which predand gt can be a 1-dimension numpy.ndarray or list range from [ 0 , N − 1 ] [0, N-1] [0,N1], N N N is the length of CLASSES . And CLASSES is a 1-dimension list contains class labels and len(CLASSES)=N must

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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