python pyplot accuracy cost曲线绘制

最新推荐文章于 2023-03-30 19:18:25 发布

FishBear_move_on

最新推荐文章于 2023-03-30 19:18:25 发布

阅读量2.8k

点赞数 2

分类专栏：深度学习&数据挖掘文章标签： python曲线绘制 cost曲线绘制

本文链接：https://blog.csdn.net/haluoluo211/article/details/81158400

版权

本文主要内容是使用python matplotlib绘制accuracy, cost曲线。在使用机器学习算法训练时往往需要输出训练的accuracy以及cost，但是最直观的方法还是绘制对应的曲线（根据训练的迭代期n），本文给出简要的绘制方法。

代码如下，也可见stackoverflow：


import numpy as np
import matplotlib.pyplot as plt


def draw_result(lst_iter, lst_loss, lst_acc, title):
    plt.plot(lst_iter, lst_loss,

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

FishBear_move_on

关注关注

2
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

TensorFlow绘制loss/accuracy曲线的实例

09-18

1. **多曲线绘制** - **pyplot方式**：这是matplotlib最常用的方式，简单直接。代码如下： ```python import numpy as np import matplotlib.pyplot as plt x = np.arange(1, 11, 1) plt.plot(x, x * 2, ...

python绘制loss和accuracy曲线

Answer3664的博客

07-31

8849

一、导入工具包 import matplotlib.pyplot as plt from mpl_toolkits.axes_grid1 import host_subplot 二、定义画图函数 def plot_acc_loss(loss, acc): host = host_subplot(111) # row=1 col=1 first pic plt.subpl...

参与评论您还未登录，请先登录后发表或查看评论

机器学习中的一些COST函数的说明

JunyongYao的博客

11-16

5292

一般这些函数都能在 sklearn.metrics 中找到

ROC曲线与“代价曲线”（cost-curve）的探究（1）

xiaoyi1888的博客

06-17

2221

引言很多分类器是为测试样本产生一个实值或概率预测，然后将这个预测值与一个分类阈值进行比较，若大于阈值则分为正类，否则为负类。在不同的应用任务中，根据实际需要，可以选择不同的阈值。如果我们更加重视“查准率(Precision Rate)”，那么可以将阈值选得较大；如果我们更重视“召回率(Recall Rate)”，那么可以将阈值选得较小。当样本分布给定的时候，对于特定的阈值，我们都可以用该分类器进行测试，计算出真正例率(True Positive Rate，简称TPR，TPR=TPTP+FN

用pytorch画准确率（acc）和损失（loss）曲线

m0_61497715的博客

03-30

3160

1打开Anaconda Prompt，进入pytorch虚拟环境。2.输入tensorboard --logdir=,红色部分是来自上图文件夹的根目录。

【python】plt.plot() 函数绘制loss曲线

ting的博客

03-30

1万+

函数定义为plt.plot(*args, **kwargs)

python matlibplot绘制多条曲线图

09-20

本篇将详细介绍如何使用`matplotlib.pyplot.plot()`函数来绘制多条曲线图。首先，我们需要导入必要的库，如`numpy`用于生成数据，`matplotlib`库中的`mpl`和`pyplot`模块，分别为其他功能提供便利和绘制图形。下面...

python绘制多个曲线的折线图

09-20

总结来说，使用Python的`matplotlib`库，特别是`pyplot.plot()`函数，可以方便地绘制包含多个曲线的折线图，从而直观地展示和分析数据。通过熟练掌握这些基本概念和参数，你可以创建出专业且具有洞察力的数据可视化...

caffe 绘制训练集和测试集的loss和accuracy对比曲线

04-20

利用Caffe提供的脚本程序和Caffe训练日志画loss曲线与accuracy曲线。加强版，可以绘制对比曲线。辛辛苦苦修改作成的代码，大家还是给点儿资源分做鼓励吧，如果实在需要又没有资源分，请根据博客留下的联系方式联系我...

python根据标准输出流自动绘制训练结果曲线图，训练结果可视化

08-10

本主题聚焦于如何利用Python自动绘制训练结果的曲线图，实现训练结果的可视化。这通常涉及到读取标准输出流（stdout）中的数据，并通过特定的库来绘制图表。首先，我们要理解"pbs提交任务"，这是一个并行计算环境...

使用python matploblib库绘制准确率,损失率折线图

12-17

我就废话不多说了，大家还是直接看代码吧~ import matplotlib.pyplot as plt epochs = [0,1,2,3] acc = [4,8,6,5] loss = [3,2,1,4] plt.plot(epochs,acc,color='r',label='acc') # r表示红色 plt.plot(epochs,loss,color=(0,0,0),label='loss') #也可以用RGB值表示颜色 #####非必须内容######### plt.xlabel('epochs') #x轴表示 plt.ylabel('y label') #y轴表示 plt.t

python-matplotlib绘制多条曲线

Wwc_code的博客

02-04

3384

python-matplotlib绘制多条曲线

Python绘制loss曲线、准确率曲线

WYKB_Mr_Q的博客

07-07

5万+

使用 python 绘制网络训练过程中的的 loss 曲线以及准确率变化曲线，这里的主要思想就时先把想要的损失值以及准确率值保存下来，保存到 .txt 文件中，待网络训练结束，我们再拿这存储的数据绘制各种曲线。其大致步骤为：数据读取与存储 - > loss曲线绘制 - > 准确率曲线绘制我们首先要得到训练时的数据，以损失值为例，网络每迭代一次都会产生相应的 loss，那么我们就把每一次的损失值都存储下来，存储到列表，保存到 .txt 文件中。保存的文件如下图所示：上图为部分损失值，根据迭代次数而异，要是迭

Python绘制训练过程的loss和accuracy曲线

Songyongchao1995的博客

10-20

2万+

一：在训练好的模型下面加入绘图代码。 model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy']) history = model.fit(X_train, Y_train, epochs=200, batch_size=10, verbose=2, validation_split=0.33) acc = history.history[

python画loss或者accuracy曲线图

Learning from the mistakes

10-17

3698

其实就是我的一些实验数据，取的最后一列，最后一列是accuracy。把数据换成loss，就是loss曲线图了。

python学习笔记（三）绘制训练过程的loss和accuracy曲线

huang2818138的博客

10-24

3万+

0、参考文献 [1] http://blog.csdn.net/u013078356/article/details/51154847 [2] http://blog.csdn.net/YhL_Leo/article/details/51774966 1、记录训练日志在训练过程中的命令中加入一行参数，实现Log日志的记录其中目录改成自己项目的目录，这样训练结束之后，会在Lo

TensorFlow绘制loss/accuracy曲线

The Thinker

09-10

4万+

1. 多曲线 1.1 使用pyplot方式 import numpy as np import matplotlib.pyplot as plt x = np.arange(1, 11, 1) plt.plot(x, x * 2, label="First") plt.plot(x, x * 3, label="Second") plt.plot(x, x * 4, label="Thi...

Python绘制神经网络精度与损失曲线

deyrc08280的专栏

08-07

7910

1 """ python绘制神经网络训练精度与损失 """ 2 3 # 导入相应包 4 from matplotlib import pyplot as plt 5 6 # 构造绘图函数 7 def drow(history): 8 epochs = range(1, len(history['loss']) + 1) 9 p...

python绘制precision-recall曲线、ROC曲线

最新发布

04-15

好的，我可以回答你的问题。以下是实现逻辑回归模型的 Python 代码示例，包括绘制损失函数曲线图和评估模型性能表现的指标： ```python import numpy as np import matplotlib.pyplot as plt # 定义sigmoid函数 def sigmoid(z): return 1 / (1 + np.exp(-z)) # 定义损失函数 def loss(y_hat, y): return (-y * np.log(y_hat) - (1 - y) * np.log(1 - y_hat)).mean() # 定义逻辑回归模型和梯度下降算法 def logistic_regression(X, y, lr=0.01, num_iters=1000): m, n = X.shape w = np.zeros((n, 1)) b = 0 cost_list = [] for i in range(num_iters): # 计算预测值和损失函数 y_hat = sigmoid(np.dot(X, w) + b) J = loss(y_hat, y) cost_list.append(J) # 计算梯度并更新参数 dw = np.dot(X.T, (y_hat - y)) / m db = np.mean(y_hat - y) w -= lr * dw b -= lr * db return w, b, cost_list # 生成一个样本数据集 np.random.seed(0) m = 100 X = np.random.randn(m, 2) w_true = np.array([[1], [2]]) b_true = 3 y_true = sigmoid(np.dot(X, w_true) + b_true) > 0.5 y_true = y_true.astype(int) # 初始化模型参数并进行训练 w_init = np.zeros((2, 1)) b_init = 0 w_trained, b_trained, cost_list = logistic_regression(X, y_true, lr=0.1, num_iters=1000) # 绘制损失函数曲线图 plt.plot(cost_list) plt.xlabel('Iteration') plt.ylabel('Cost') plt.show() # 评估模型性能表现 y_pred = sigmoid(np.dot(X, w_trained) + b_trained) > 0.5 y_pred = y_pred.astype(int) TP = np.sum((y_pred == 1) & (y_true == 1)) FP = np.sum((y_pred == 1) & (y_true == 0)) TN = np.sum((y_pred == 0) & (y_true == 0)) FN = np.sum((y_pred == 0) & (y_true == 1)) accuracy = (TP + TN) / (TP + FP + TN + FN) error_rate = (FP + FN) / (TP + FP + TN + FN) precision = TP / (TP + FP) recall = TP / (TP + FN) F1 = 2 * precision * recall / (precision + recall) print('Accuracy: {:.2f}'.format(accuracy)) print('Error rate: {:.2f}'.format(error_rate)) print('Precision: {:.2f}'.format(precision)) print('Recall: {:.2f}'.format(recall)) print('F1 score: {:.2f}'.format(F1)) ```