【Python】根据预测结果矩阵与实际结果矩阵计算模型正确率

判断两个数组对应位置相等的个数,然后计算模型预测的正确率

一、问题背景

  在多分类模型预测的结果中,我想知道预测的结果与实际的答案相比,其正确率是多少,这个时候我们往往是对应比较两个数组list之间对应相等的个数。因此,我大致总结了一些方法来计算此正确率。
假设我们此处的预测结果和实际结果分别为:

# 假设是三分类任务,存在0,1,2三种结果
list1 = [1,2,0,0,1]
list2 = [1,0,2,1,1]

二、解决方法

方法1:我立马能想到的方法就是直接遍历数组直接比较,直接使用lambda直接遍历:

'''方法1:'''
res1 = list(map(lambda x,y: x==y, list1, list2))
# res1: [True, False, False, False, True]
# 或使用res1 = list(map(lambda x,y: x^y, list1, list2)) 二分类任务是0,1 可以使用异或的操作进行,预测错误则为1,否则为0

'''方法2:'''
# 直接利用numpy库,直接==计算
arr1 = np.array(list1)
arr2 = np.array(list2)
res2 = list(arr1==arr2)
# res2: [True, False, False, False, True]

'''方法3:'''
res3 = []
for pair in zip(list1, list2):
	res3.append(pair[0]==pair[1])
# res3: [True, False, False, False, True]

参考:python中两个数组之间的位运算操作,其中说明了三种方法各自的速度优势:
对于十万量级以上的数组计算,则方法2的速度是最快的,2>3>1
但对于十万量级以下的数组计算,方法3是最快的,3>2>1,是因为大列表下numpy库的管理是要优于python的内置函数。
其余的CPU和内存占用都是方法2最好,numpy库yyds!

方法2:其次,我在实际的pytorch项目中,发现针对于多标签分类的,可以使用torch.gather来获取对应位置实际的类别。

# 这里是将softmax预测分类概率最大的答案位置索引取出来
scores, idx = torch.max(score, dim = 1) # [bsz], [bsz]
# 然后从实际的ans矩阵中获取对应位置是否为正确答案
match_score = torch.gather(answers, 1, idx.unsqueeze(-1)).squeeze().tolist()
# 这里是总的问题数
count += len(match_score)
# 然后求和获取实际的正确答案数
correct += sum(match_score)
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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

打赏作者

郝同学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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